SRSCNet是一个单卷积图像超分轻量化模型
 |
 |
 |
- 1x1 卷积网络，实现轻量级图像超分辨率。
- 该模型可以通过极小的参数量训练产生不错的图像增强效果
- 图片2倍超分，增强
- 图像超清对比（左边是普通放大方式，右边是SRSCNet）
 |  |
 |  |
- 使用预训练的模型:
python enhance.py -i 'input.jpg' -o 'sr_image.jpg' -m 'checkpoints/checkpoint_epoch_1_batch_0.pth'- 完整命令参数请使用help命令：
>> python ./enhance.py -h
usage: enhance.py [-h] [--model MODEL] [--input INPUT] [--output OUTPUT]
图像增强
options:
-h, --help show this help message and exit
--model MODEL, -m MODEL
模型检查点路径
--input INPUT, -i INPUT
输入文件路径
--output OUTPUT, -o OUTPUT
输出文件路径 (默认: sr_image.jpg)- 你需要安装python3.9 + 以及pytroch,numpy,cv2等依赖库
pip install torch torchvision
pip install numpy
pip install opencv-python
- 获取训练好的模型，并放到工程目录下。（注意：你也可以另外放到指定目录下，但是你需要指定 --model 参数来确定加载地址）
本工程的训练均是由高清图下采样得到的数据集，你只需要准备一个文件夹存放图片数据即可
- 非GAN的训练脚本 train.py
python train.py --datafolder '图片文件夹路径'
- GAN对抗训练
python traingan.py --datafolder '图片文件夹路径' --device 'cpu'
- 初期:
如果只有高清图像进行训练（目前内置训练脚本），建议在训练初期，对于输入，使用2次下采样后再上采样一次，这样能更快的训练出轮廓。之后再进行2x的训练进行微调（主要目的是消除前期4x的伪影，同时优化细节）。
- 中后期:
批次大小可以缓慢降低，输入输出尺寸也可以尝试缓慢降低。