Skip to content

Latest commit

 

History

History
52 lines (44 loc) · 2.48 KB

README.md

File metadata and controls

52 lines (44 loc) · 2.48 KB

Srgan：超分辨率图像复原模型在Keras当中的实现

目录

  1. 所需环境 Environment
  2. 文件下载 Download
  3. 预测步骤 How2predict
  4. 训练步骤 How2train
  5. 参考资料 Reference

所需环境

tensorflow-gpu==1.13.1
keras==2.1.5

文件下载

为了验证模型的有效性，我使用了Yahoo MirFlickr25k数据集进行了训练。
训练好的生成器与判别器模型Generator_SRGAN.h5、Discriminator_SRGAN.h5可以通过百度网盘下载或者通过GITHUB下载
权值的百度网盘地址如下：
链接: https://pan.baidu.com/s/1Jf8mmzprXv9GSOiTWgB_CA 提取码: fc53

Yahoo MirFlickr25k数据集可以通过百度网盘下载：
链接: https://pan.baidu.com/s/1kGGB-SClc44VkhKLR_GoVw 提取码: 58es

预测步骤

a、使用预训练权重

  1. 下载完库后解压，直接运行predict.py，输入要提高分辨率的图片的路径，即可生成高分辨率图片，生成图片位于results/predict_out/predict_srgan.png。如输入：
img/before.jpg

b、使用自己训练的权重

  1. 按照训练步骤训练。
  2. 在dcgan.py文件里面，在如下部分修改model_path使其对应训练好的文件；model_path对应logs文件夹下面的权值文件。
_defaults = {
    #-----------------------------------------------#
    #   model_path指向logs文件夹下的权值文件
    #-----------------------------------------------#
    "model_path"        : 'model_data/Generator_SRGAN.h5',
    #-----------------------------------------------#
    #   上采样的倍数，和训练时一样
    #-----------------------------------------------#
    "scale_factor"      : 4, 
}
  1. 运行predict.py，输入要提高分辨率的图片的路径，即可生成高分辨率图片，生成图片位于results/predict_out/predict_srgan.png。

训练步骤

  1. 训练前将期望生成的图片文件放在datasets文件夹下（参考Yahoo MirFlickr25k数据集）。
  2. 运行根目录下面的txt_annotation.py，生成train_lines.txt，保证train_lines.txt内部是有文件路径内容的。
  3. 运行train.py文件进行训练，训练过程中生成的图片可查看results/train_out文件夹下的图片。