初识超分重建——如何让女神更清晰，我的白月光【ICCV, 2021 超分重建之 BSRGAN】

❤️ 深度学习入门项目 之 【超分重建】 初识
学会【深度摸鱼】，就可以和学妹展示搬砖技巧了
❤️ 声明：这是一个【大话超分重建】的博文，非专业技术文章，请大佬轻踩
原创：墨理学AI

---

❤️ 【带你了解】❤️

俘获芳心小技巧 ===》放大她的美 ❤️ 超分重建 ========》大话 BISR

墨理学AI

---

❤️ CSDN 首发：【深度学习入门项目】【❤️ICCV, 2021 超分重建之 BSRGAN❤️】

公号原文【排版更清晰】：深度学习入门项目之——超分重建初识 ❤️ 感谢查阅

---

学妹可否

---

❤️ 超分重建之 - - 无死角放大
超分重建简单来说就是这样的一个过程

墨理学AI

墨理学AI

---

接下来，为大家简单介绍一下BISR这篇超分重建论文基础信息和官方代码预训练模型的初步体验

---

基础信息

---

• Designing a Practical Degradation Model for Deep Blind Image Super-Resolution (ICCV, 2021)

• 设计一个实用的深度盲图像超分辨率退化模型

• https://arxiv.org/pdf/2103.14006.pdfarxiv.org

• https://github.com/cszn/BSRGANgithub.com

• cszn：一种手工设计的广义盲图像超分退化模型

---

摘要与论文贡献

---

• 性能指标的赛道卷不动了，那么开辟新赛道的典型研究【值得学习】

众所周知，如果假设的退化模型与真实图像中的退化模型不同，单幅图像超分辨率 (SISR) 方法将无法很好地执行。尽管一些退化模型考虑了额外的因素，例如模糊，但它们仍然不足以覆盖真实图像的各种退化。 为了解决这个问题，本文提出设计一个更复杂但实用的退化模型，该模型由随机混洗的模糊、下采样和噪声退化组成。具体来说，模糊是通过具有各向同性和各向异性高斯核的两个卷积来近似的；下采样是从最近的、双线性和双三次插值中随机选择的；通过添加不同噪声级别的高斯噪声，采用不同质量因子的JPEG压缩，通过反向前向相机图像信号处理(ISP)管道模型和RAW图像噪声模型生成处理后的相机传感器噪声来合成噪声。 为了验证新退化模型的有效性，我们训练了一个深度盲ESRGAN 超级解析器，然后将其应用于具有不同退化的合成和真实图像的超级解析。

实验结果表明，新的退化模型有助于显着提高深度超分辨器的实用性，从而为真正的SISR应用提供强大的替代解决方案。

image.png

---

环境搭建

---

训练代码仓库：https://github.com/cszn/KAIRgithub.com

测试代码仓库：https://github.com/cszn/BSRGANgithub.com

Linux下cuda10.0安装Pytorch和Torchvision--啥版本都能装_墨理学AI-CSDN博客

# pytorch 版本 1.4 -- 到 1.8 都可以
PyTorch 1.4.0-1.8.1

# 我这里直接创建和激活一个 PyTorch1.8.0 的 conda 独立环境运行该代码

conda create -n torch18 python=3.7.6

conda activate torch18

git clone https://github.com/cszn/KAIR

cd KAIR/
pip install -r requirement.txt

---

代码测试

---

❤️代码下载

git clone https://github.com/cszn/BSRGAN.git
cd BSRGAN/

❤️预训练模型安置

image

❤️4倍 重建测试

python main_test_bsrgan.py

python main_test_bsrgan.py 

# GPU 占用 7641MiB

# 输出如下
LogHandlers setup!
21-09-06 07:44:18.248 :       Model Name : BSRGAN
21-09-06 07:44:18.251 :           GPU ID : 0
[3, 3, 64, 23, 32, 4]
21-09-06 07:44:21.401 :       Input Path : testsets/RealSRSet
21-09-06 07:44:21.402 :      Output Path : testsets/RealSRSet_results_x4
21-09-06 07:44:21.402 : ---1 --> BSRGAN --> x4--> Lincoln.png
21-09-06 07:44:21.775 : ---2 --> BSRGAN --> x4--> building.png

...

效果示例

墨理学AI

❤️2倍 重建测试

vim main_test_bsrgan.py

墨理学AI

python main_test_bsrgan.py

python main_test_bsrgan.py 

# GPU 占用  4469MiB

# 输出如下
LogHandlers setup!
21-09-06 07:46:19.338 :       Model Name : BSRGANx2
21-09-06 07:46:19.342 :           GPU ID : 0
[3, 3, 64, 23, 32, 2]
21-09-06 07:46:22.452 :       Input Path : testsets/RealSRSet
21-09-06 07:46:22.452 :      Output Path : testsets/RealSRSet_results_x2
21-09-06 07:46:22.452 : ---1 --> BSRGANx2 --> x2--> Lincoln.png
21-09-06 07:46:22.797 : ---2 --> BSRGANx2 --> x2--> building.png

更多福利图片放送

1

2

新头像-拿走不谢

3

4

5

6

7

8

---

文末专栏推荐部分

---

• 图像风格转换--论文--代码测试_墨理学AI-CSDN博客

• 超分重建-代码环境搭建-知识总结_墨理学AI-CSDN博客

• 图像修复-代码环境搭建-知识总结_墨理学AI-CSDN博客

• YOLO专栏_墨理学AI-CSDN博客

---

个人整理的Cuda系列 Linux安装教程【适合小白进阶】

---

• ubuntu18给当前用户安装cuda11.2 图文教程 | 配置cuDNN8.1 | 【专栏博文】

• Linux服务器下给当前用户安装自己的CUDA | 简记 | 【有效安装】

• Linux下cuda10.0安装Pytorch和Torchvision--啥版本都能装_墨理学AI-CSDN博客

• Linux 可以安装多个版本的Cuda 吗 | 如何进行 Cuda 的版本切换

• 查看CUDA和cuDNN的版本号 | Win10安装CUDA10和cuDNN

---

愿我如星君如月，夜夜流光相皎洁

---

所谓红颜：去找你的白月光吧，我要自己玩了

---

墨理学AI —— 公号原文地址如下：

• 深度学习入门项目之——超分重建初识

本文的后续，BSRGAN训练实战教程如下：

• 超分重建BSRGAN—ICCV, 2021—系列实战1—附代码-数据

感谢关注

---