SRZoo--深度学习图像超分辨率工具
點擊上方“算法猿的成長“，關注公眾號，選擇加“星標“或“置頂”
總第 145 篇文章，本文大約 2100?字，閱讀大約需要?7?分鐘
前言
今天要介紹的是 Github 上一個基于深度學習的超分辨率工具--SRZoo，并且它還提供了多個預訓練模型。Github 地址：
https://github.com/idearibosome/srzoo?u=2181051220&m=4512180215508847&cu=2181051220&ru=1402400261&rm=4512148967116203
簡介
SRZoo 是一個基于深度學習的圖像超分辨率的工具和模型庫，它提供了多種圖像超分辨率領域目前性能最好的預訓練模型。
它的主要功能包括：
SRZoo 提供了多種超分辨率方法的官方預訓練模型；
通過 SRZoo，可以非常容易就通過提供的超分辨率方法來獲取超分辨率(super-resolved)的圖片；
可以在不同配置環境下使用超分辨率模型，比如支持 CUDA 的 GPUs 以及通過 TensorFlow.js 的瀏覽器；
可以在相同評估標準和環境下對比超分辨率方法的性能。
在下面這篇論文中，你可以了解更多我們的動機以及一些對 SRZoo 的細節描述，比如性能比較等：
J.-H.?Choi,?J.-H.?Kim,?J.-S.?Lee.?SRZoo:?an?integrated?repository?for?super-resolution?using?deep?learning.?IEEE?International?Conference?on?Acoustics,?Speech,?and?Signal?Processing?(ICASSP),?May?2020?論文地址：
https://doi.org/10.1109/ICASSP40776.2020.9054533
arxiv 的地址：
https://arxiv.org/abs/2006.01339
使用要求
Python3.6 或者更新的版本
TensorFlow1.12 或者更新版本
預訓練的超分辨率模型
下面是提供的一些預訓練模型，模型的參數都在自模型算法的作者。如果你有用到這些模型算法，請加上對論文的引用。
超分辨率圖片檢索
在 SRZoo 中通過 get_sr.py 代碼提供了一個簡單的圖像搜索，使用例子：
python?get_sr.py?--config_path=configs/edsr.json?--model_path=edsr_x4.pb?--input_path=LR?--output_path=SR?--scale=4參數說明：
config_path：模型配置文件路徑
model_path：預訓練模型文件路徑
input_path：輸入的低分辨率圖片的路徑
output_path：輸出的超分辨率圖片的保存路徑
scale：提高的倍數
self_ensemble ：指定是否應用 geometric self-ensemble 方法（http://openaccess.thecvf.com/content_cvpr_2017_workshops/w12/papers/Lim_Enhanced_Deep_Residual_CVPR_2017_paper.pdf）
cuda_device ：指定采用的 GPU 設備索引（需要將環境變量設置為 CUDA_VISIBLE_DEVICE)
注意：部分模型由于不同維度順序問題，只能在 GPU 上運行。
性能評價
在獲取到超分辨率圖片后，可以通過代碼evaluate_sr.py 進行性能的評價，使用例子：
python?evaluate_sr.py?--sr_path=SR?--truth_path=HR參數說明：
sr_path：超分辨率圖片路徑
truth_path：真實圖片的路徑
shave_borders：圖像邊界需要修正的像素的數量。通常設置為增大尺寸的倍數(upscaling factor)
color_mode：顏色轉換模式。
ycbcry：YCbCr 顏色空間的 Y 通道
RGB：RGB 顏色空間的 RGB 通道
evaluators：以逗號分隔的評估方法。主要采用文件夾evaluators 里的評估方法
output_name:輸出的 CSV 文件的路徑
這里你可以自定義自己的評估方法，通過繼承基類BaseEvaluator ，代碼是保存在文件夾evaluators/。
模型轉換
也可以對其他預訓練的超分辨率模型進行轉換。詳情可以查看文件夾converter 中的信息。另外，根據config 文件夾的內容來編寫你需要進行轉換的模型的配置信息。
其他
圖像降低(downscaling)工具
SRZoo 對于評估超分辨率模型也提供了降低工具(downscaling utilities)，具體可以查看 utils/downscale 文件夾
采用其他的圖像處理模型
SRZoo 可以應用于輸入輸出都是圖像的模型，因此也可以在簡單做了一些修改后應該其他的圖像處理算法。作為一個概念驗證，我們提供了一個基于 SRZoo 的預訓練圖像壓縮模型，模型算法來自：
https://github.com/fab-jul/imgcomp-cvpr
使用結果：
如果要應用這些模型，可以簡單地將 upscaling factor 設置為 1，比如get_sr.py 中的參數--scale。
不過目前只支持在 GPU上運行這些模型。
最近滴滴云推出了多個基于 NVIDIA vGPU 的新型實例，包括計算型、渲染型和游戲型三大類，支持的 GPU包括 Tesla P4、P40、T4 等，可以選擇包年、包月或者按照小時購買使用時間，非常靈活方便。
現在填寫我的滴滴云專屬 AI 大師碼：9192，可以享受 9 折優惠。
滴滴云官網地址：
www.didiyun.com
精選AI文章
1.??2020年計算機視覺學習指南
2.?是選擇Keras還是PyTorch開始你的深度學習之旅呢？
3.?編寫高效的PyTorch代碼技巧（上）
4.?編寫高效的PyTorch代碼技巧（下）
5.?深度學習算法簡要綜述(上)
6.?深度學習算法簡要綜述(下)
7.?10個實用的機器學習建議
8.?實戰|手把手教你訓練一個基于Keras的多標簽圖像分類器
精選python文章
1.??python數據模型
2.?python版代碼整潔之道
3.?快速入門 Jupyter notebook
4.?Jupyter 進階教程
5.?10個高效的pandas技巧
精選教程資源文章
1.?[資源分享] TensorFlow 官方中文版教程來了
2.?[資源]推薦一些Python書籍和教程，入門和進階的都有！
3.?[Github項目推薦] 推薦三個助你更好利用Github的工具
4.?Github上的各大高校資料以及國外公開課視頻
5.?GitHub上有哪些比較好的計算機視覺/機器視覺的項目？
歡迎關注我的微信公眾號--算法猿的成長，或者掃描下方的二維碼，大家一起交流，學習和進步！
?如果覺得不錯，在看、轉發就是對小編的一個支持！
總結
以上是生活随笔為你收集整理的SRZoo--深度学习图像超分辨率工具的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： creo动画如何拖动主体_Animate
- 下一篇： 深度学习算法简要综述(下)