圖像超分辨率增強(qiáng)ESRGAN運(yùn)行教程,有數(shù)據(jù)
向AI轉(zhuǎn)型的程序員都關(guān)注了這個(gè)號(hào)??????
人工智能大數(shù)據(jù)與深度學(xué)習(xí) 公眾號(hào)：datayx
ESRGAN是一個(gè)較新的的低分辨率轉(zhuǎn)高分辨率的GAN模型，在SRGAN的基礎(chǔ)上做了增強(qiáng)。
其論文在ESRGAN論文
https://arxiv.org/abs/1809.00219
其代碼在ESRGAN倉(cāng)庫(kù)，該倉(cāng)庫(kù)只提供了簡(jiǎn)單的demo測(cè)試代碼。
完整的訓(xùn)練和測(cè)試代碼在BasicSR倉(cāng)庫(kù)中。
目標(biāo)檢測(cè)/文本檢測(cè)系列算法講解課程(13課時(shí))
機(jī)器學(xué)習(xí)系列算法理論講解課程(20課時(shí))
深度神經(jīng)網(wǎng)絡(luò)算法(38課時(shí))
知識(shí)圖譜(11課時(shí))
代碼 獲取方式：
分享本文到朋友圈
關(guān)注微信公眾號(hào) datayx 然后回復(fù) 超分辨率 即可獲取。
AI項(xiàng)目體驗(yàn)地址 https://loveai.tech
凡在本淘寶店：紫荷包飾 內(nèi)購(gòu)買(mǎi)任何一款包包
承諾贈(zèng)送以下全套學(xué)習(xí)視頻資料
店鋪地址：
https://shop585613237.taobao.com
如果要進(jìn)一步學(xué)習(xí)，給出2篇論文綜述作為參考：
綜述1
https://arxiv.org/pdf/1902.06068.pdf
綜述2
https://arxiv.org/pdf/1904.07523.pdf
初次運(yùn)行ESRGAN
1.安裝環(huán)境
2.拉代碼
git clone https://github.com/xinntao/ESRGAN.git
3.下載模型到models中https://pan.baidu.com/s/1-Lh6ma-wXzfH8NqeBtPaFQ
4.運(yùn)行下面的代碼，結(jié)果在result中。python test.py models/RRDB_ESRGAN_x4.pth python test.py models/RRDB_PSNR_x4.pth
初次使用BasicSR測(cè)試ESRGAN(SRGAN)模型
拉代碼
git clone https://github.com/xinntao/BasicSR.git進(jìn)入codes文件夾
cd codes修改 options/test/test_ESRGAN.json
datasets dataroot_HR 將后面路徑改為自己的訓(xùn)練數(shù)據(jù)文件夾，文件夾內(nèi)存放的是png文件；或者改為lmdb文件。
path root 改為自己的BasicSR項(xiàng)目路徑
將剛剛在ESRGAN中用到的model放到pretrain_model_G的目錄下面。
其他暫時(shí)不用動(dòng)，我本機(jī)配置如下所示。
4.運(yùn)行測(cè)試代碼 python test.py -opt options/test/test_ESRGAN.json
5.如果需要跑其他的測(cè)試代碼，見(jiàn)其他測(cè)試
https://github.com/xinntao/BasicSR#how-to-test
訓(xùn)練ESRGAN(SRGAN)模型
準(zhǔn)備數(shù)據(jù)（DIV2K）
從DIV2K official page下載
https://data.vision.ee.ethz.ch/cvl/DIV2K/
2.有幾個(gè)方法可以讓IO速度變快
將HDD改成SSD
將圖片數(shù)據(jù)集改成更小的子圖切片（sub-images）。見(jiàn)3和4
將原始數(shù)據(jù)改成lmdb格式。見(jiàn)5和6
6. 運(yùn)行 python scripts/create_lmdb.py 將數(shù)據(jù)改成lmdb格式
訓(xùn)練
修改options/train/train_ESRGAN.json
tensorboard可視化 tensorboard --logdir=../tb_logger
進(jìn)入http://localhost.localdomain:6006可看到訓(xùn)練過(guò)程
機(jī)器學(xué)習(xí)算法AI大數(shù)據(jù)技術(shù)
搜索公眾號(hào)添加： datanlp
長(zhǎng)按圖片，識(shí)別二維碼
閱讀過(guò)本文的人還看了以下文章：
TensorFlow 2.0深度學(xué)習(xí)案例實(shí)戰(zhàn)
基于40萬(wàn)表格數(shù)據(jù)集TableBank，用MaskRCNN做表格檢測(cè)
《基于深度學(xué)習(xí)的自然語(yǔ)言處理》中/英PDF
Deep Learning 中文版初版-周志華團(tuán)隊(duì)
【全套視頻課】最全的目標(biāo)檢測(cè)算法系列講解，通俗易懂！
《美團(tuán)機(jī)器學(xué)習(xí)實(shí)踐》_美團(tuán)算法團(tuán)隊(duì).pdf
《深度學(xué)習(xí)入門(mén)：基于Python的理論與實(shí)現(xiàn)》高清中文PDF+源碼
python就業(yè)班學(xué)習(xí)視頻，從入門(mén)到實(shí)戰(zhàn)項(xiàng)目
2019最新《PyTorch自然語(yǔ)言處理》英、中文版PDF+源碼
《21個(gè)項(xiàng)目玩轉(zhuǎn)深度學(xué)習(xí)：基于TensorFlow的實(shí)踐詳解》完整版PDF+附書(shū)代碼
《深度學(xué)習(xí)之pytorch》pdf+附書(shū)源碼
PyTorch深度學(xué)習(xí)快速實(shí)戰(zhàn)入門(mén)《pytorch-handbook》
【下載】豆瓣評(píng)分8.1,《機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于Scikit-Learn和TensorFlow》
《Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》PDF+完整源碼
汽車(chē)行業(yè)完整知識(shí)圖譜項(xiàng)目實(shí)戰(zhàn)視頻(全23課)
李沐大神開(kāi)源《動(dòng)手學(xué)深度學(xué)習(xí)》，加州伯克利深度學(xué)習(xí)（2019春）教材
筆記、代碼清晰易懂！李航《統(tǒng)計(jì)學(xué)習(xí)方法》最新資源全套！
《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》最新2018版中英PDF+源碼
將機(jī)器學(xué)習(xí)模型部署為REST API
FashionAI服裝屬性標(biāo)簽圖像識(shí)別Top1-5方案分享
重要開(kāi)源！CNN-RNN-CTC 實(shí)現(xiàn)手寫(xiě)漢字識(shí)別
同樣是機(jī)器學(xué)習(xí)算法工程師，你的面試為什么過(guò)不了？
前海征信大數(shù)據(jù)算法：風(fēng)險(xiǎn)概率預(yù)測(cè)
【Keras】完整實(shí)現(xiàn)‘交通標(biāo)志’分類、‘票據(jù)’分類兩個(gè)項(xiàng)目，讓你掌握深度學(xué)習(xí)圖像分類
VGG16遷移學(xué)習(xí)，實(shí)現(xiàn)醫(yī)學(xué)圖像識(shí)別分類工程項(xiàng)目
特征工程(二) :文本數(shù)據(jù)的展開(kāi)、過(guò)濾和分塊
如何利用全新的決策樹(shù)集成級(jí)聯(lián)結(jié)構(gòu)gcForest做特征工程并打分？
Machine Learning Yearning 中文翻譯稿
全球AI挑戰(zhàn)-場(chǎng)景分類的比賽源碼(多模型融合)
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
python+flask搭建CNN在線識(shí)別手寫(xiě)中文網(wǎng)站
中科院Kaggle全球文本匹配競(jìng)賽華人第1名團(tuán)隊(duì)-深度學(xué)習(xí)與特征工程
不斷更新資源
深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、python
搜索公眾號(hào)添加： datayx