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】

标签：09 06 07 -- 超分 BSRGAN ICCV 重建

❤️【深度学习入门项目】❤️ 之【超分重建】
❤️ 原创：墨理学AI
❤️ 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
❤️ 【带你了解】❤️
???? 俘获芳心小技巧 ===》放大她的美
❤️ 超分重建 ========》大话 BISR

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】_python

????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

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】_计算机视觉_02

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】_github_03

????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
arxiv.org/pdf/2103.14…
github.com/cszn/BSRGAN
作者本人论文写作研究出发点自述

????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。

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】_github_04

????环境搭建

训练代码仓库：https://github.com/cszn/KAIR
测试代码仓库：https://github.com/cszn/BSRGAN
Linux下cuda10.0安装Pytorch和Torchvision——啥版本都能装

# 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

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】_人工智能_05

❤️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

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】_python_06

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】_计算机视觉_07

❤️2倍重建测试

vim main_test_bsrgan.py

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】_人工智能_08

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