图像超分辨率增强ESRGAN运行教程,有数据
向AI转型的程序员都关注了这个号👇👇👇
人工智能大数据与深度学习 公众号：datayx
ESRGAN是一个较新的的低分辨率转高分辨率的GAN模型，在SRGAN的基础上做了增强。
其论文在ESRGAN论文
https://arxiv.org/abs/1809.00219
其代码在ESRGAN仓库，该仓库只提供了简单的demo测试代码。
完整的训练和测试代码在BasicSR仓库中。
目标检测/文本检测系列算法讲解课程(13课时)
机器学习系列算法理论讲解课程(20课时)
深度神经网络算法(38课时)
知识图谱(11课时)
代码 获取方式：
分享本文到朋友圈
关注微信公众号 datayx 然后回复 超分辨率 即可获取。
AI项目体验地址 https://loveai.tech
凡在本淘宝店：紫荷包饰 内购买任何一款包包
承诺赠送以下全套学习视频资料
店铺地址：
https://shop585613237.taobao.com
如果要进一步学习，给出2篇论文综述作为参考：
综述1
https://arxiv.org/pdf/1902.06068.pdf
综述2
https://arxiv.org/pdf/1904.07523.pdf
初次运行ESRGAN
1.安装环境
2.拉代码
git clone https://github.com/xinntao/ESRGAN.git
3.下载模型到models中https://pan.baidu.com/s/1-Lh6ma-wXzfH8NqeBtPaFQ
4.运行下面的代码，结果在result中。python test.py models/RRDB_ESRGAN_x4.pth python test.py models/RRDB_PSNR_x4.pth
初次使用BasicSR测试ESRGAN(SRGAN)模型
拉代码
git clone https://github.com/xinntao/BasicSR.git进入codes文件夹
cd codes修改 options/test/test_ESRGAN.json
datasets dataroot_HR 将后面路径改为自己的训练数据文件夹，文件夹内存放的是png文件；或者改为lmdb文件。
path root 改为自己的BasicSR项目路径
将刚刚在ESRGAN中用到的model放到pretrain_model_G的目录下面。
其他暂时不用动，我本机配置如下所示。
4.运行测试代码 python test.py -opt options/test/test_ESRGAN.json
5.如果需要跑其他的测试代码，见其他测试
https://github.com/xinntao/BasicSR#how-to-test
训练ESRGAN(SRGAN)模型
准备数据（DIV2K）
从DIV2K official page下载
https://data.vision.ee.ethz.ch/cvl/DIV2K/
2.有几个方法可以让IO速度变快
将HDD改成SSD
将图片数据集改成更小的子图切片（sub-images）。见3和4
将原始数据改成lmdb格式。见5和6
6. 运行 python scripts/create_lmdb.py 将数据改成lmdb格式
训练
修改options/train/train_ESRGAN.json
tensorboard可视化 tensorboard --logdir=../tb_logger
进入http://localhost.localdomain:6006可看到训练过程
机器学习算法AI大数据技术
搜索公众号添加： datanlp
长按图片，识别二维码
阅读过本文的人还看了以下文章：
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx