从零开始Real-ESRGAN的复现

原创

已于 2024-09-13 15:27:49 修改 · 1.3k 阅读

22 ·

CC 4.0 BY-SA版权

文章标签：

#超分辨率重建 #python

于 2024-09-13 15:26:32 首次发布

前言

要初步了解Real-ESRGAN，可以看我之前发布的博客。初学Real-Esrgan-CSDN博客

本文主要是对Real-ESRGAN的一个复现，主要就是对环境的配置进行记录，因为是实现之后才做的记录，所以只能尽可能的对其进行复现。大家可以看一下这个博主的文章进行一个参考。【论文阅读+测试】Real-Esrgan超分辨率算法_real esrgan-CSDN博客

项目开始

首先，我们要知道Real-ESRGAN这个项目是一个pytorch项目（需要配环境，可以自己训练、微调），如果是第一次配置环境，那么就需要安装Python环境（因为笔记本电脑配置比较低，所以我是在服务器上面配置的环境，我这使用的是miniconda环境，这个在网上也挺多资料的，大家可以在网上自行查询下载）。

下载安装完环境之后，使用conda创建虚拟环境。

conda create -n py38_esrgan python=3.8         #py38_esrgan可以换成自己环境的名字

安装pytorch(在前期安装的时候可以先随意安装一个版本，后面安装其他包需要啥版本再改成其他版本)

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudi

最低0.47元/天解锁文章

新学期VIP享超值加赠

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

晒阳光的咸鱼

关注关注

7
点赞
踩
22

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【论文复现】ESRGAN

Winkyyyyyy的博客

02-19

798

ESRGAN代码略读

ESRGAN复现时出现问题 AttributeError: 'NoneType' object has no attribute 'astype'

ztl123452010的博客

08-07

3069

ESRGAN源代码链接https://github.com/xinntao/BasicSR 我在复现时遇到了以下问题，久久不能解决，望大神指导以下为报错的详细信息： Traceback (most recent call last): File "/sda/ZTL/B/codes/train.py", line 173, in <module> main() File "/sd...

参与评论您还未登录，请先登录后发表或查看评论

基于飞桨复现RealESRGAN_副本

m0_63642362的博客

02-19

944

本项目使用飞桨复现了RealESRGAN，可用于超分辨率重建任务。

【图像恢复算法】 ESRGAN & Real-ESRGAN的配置和应用

yewanyuan的博客

06-13

2122

ESRGAN 由 Xintao Wang 等人于 2018 年提出，旨在通过对抗生成网络（GAN）进一步提升图像超分辨率重建的视觉效果。它是在 SRGAN（Super‑Resolution GAN）的基础上改进而来，重点解决了高频细节表现不足和生成结果偏“平滑”的问题。优点：生成的细节更丰富、纹理更自然；在多项基准测试（如 DIV2K）上视觉效果显著提升。局限：主要针对“理想降采样”场景（bicubic 降采样）；对真实世界的噪声、模糊等退化情况适应性较差。

Real-ESRGAN超分模型的复现

smart_cookie的博客

05-31

1753

本文稿仅介绍如何复现和使用此模型，没有对该模型进行分析，仅做使用说明；文稿时间：20240531。

基于pytorch的ESRGAN（论文阅读笔记+复现）

热门推荐

gwpscut的博客

12-05

1万+

代码的框架——《https://github.com/xinntao/BasicSR》 ESRGAN论文《ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks》的链接——https://arxiv.org/pdf/1809.00219.pdf 代码在目录/home/guanwp/BasicSR-master/code...

esrgan_关于ESRGAN复现的问题

weixin_33073525的博客

01-17

1607

import osimport mathimport argparseimport randomimport loggingimport torchimport torch.distributed as distimport torch.multiprocessing as mpfrom data.data_sampler import DistIterSamplerimport options....

Real-ESRGAN 深度学习超分辨率重建工具

02-09

Real-ESRGAN（Realistic Enhanced Super-Resolution Generative Adversarial Networks）是一款基于深度学习的超分辨率重建工具，专为提高图像分辨率而设计。它在图像处理领域，特别是人工智能和计算机视觉中占有重要...

初学Real-Esrgan

MCKAJM的博客

09-12

1361

首先应该先了解什么是分辨率，分辨率指的是每英寸中含有的像素点的个数，分辨率越大图像也就越清晰。而图像的超分辨率重构就是像低分辨率的图像经过算法恢复成对应的高分辨率图像，简单的来说超分辨率重构就是将小尺寸的图片变成大尺寸的图片，同时还使得图像更加的“清晰”。具体效果如下所示：图1 图像超分辨率重构示例从上图可以看到，原本模糊的图片变得清晰了，这个就是图像超分辨率重构的主要功能。以上就是对Real-ESRGAN的一个基本的学习，后续还会有对该算法的一个实现。

本地部署：Real-ESRGAN: 高效的图像超分辨率解决方案

07-11

3658

Real-ESRGAN 作为一种先进的图像超分辨率技术，凭借其高效的多尺度特征提取和生成对抗训练，在处理真实世界图像时表现出色。特别是在处理真实世界图像时，Real-ESRGAN 展现出了卓越的性能，生成的高分辨率图像细节丰富、视觉效果逼真。损失函数（Loss Function）：Real-ESRGAN 采用了感知损失（Perceptual Loss）、对抗损失（Adversarial Loss）和像素损失（Pixel Loss）的组合，使得训练过程更加稳定，生成的图像质量更高。

Real-ESRGAN复现

最新发布

07-15

为了复现 Real-ESRGAN 模型，首先需要搭建合适的开发环境。Real-ESRGAN 的官方实现主要基于 Python 和 PyTorch 框架，因此确保系统中安装了这些依赖项。 1. **安装 Python 和 PyTorch** - 安装 Python 3.7 或更高...

win32超分辩重建ESRGAN实用程序

03-21

超分辨率重建ESRGAN(4倍)的win32程序，ESRGAN是在[PIRM2018-SR竞赛]（区域3）中获得了第一名并获得了最佳感知指数。

ESRGAN需要用到的预训练模型

10-17

ESRGAN需要用到的预训练模型，下载后把里面的pth文件放到路径/experiments/pretrained_models路径下，里面包含两个预训练模型RRDB_ESRGAN_x4.pth和RRDB_PSNR_x4.pth

GAN（Generative Adversarial Network）的复现

zjj666123的博客

04-10

696

链接：https://pan.baidu.com/s/1rHwdw22bl-l5ID3OJMsldw。使用了一个新的数据集anime，数据集的链接在下方，数据集一共有5w多张动漫头像，都是。首先为数据集建造dataset类，代码如下。训练的代码如下，详细修改见代码注释。，在一个新的数据集完成了复现。

8-GAN复现

qq_15821487的博客

08-25

339

分类任务，和生成任务，GAN是分类和生成的综合，可以做文本生成图片，图片风格迁移，图片翻译，超分辨率 判别器训练生成器训练

CycleGAN复现

m0_58779890的博客

09-13

472

参考这几篇复现成功：草履虫Cyclegan从零到一复现：介绍、配置、测试、自定义训练（大一作业）-CSDN博客Cycle GAN（复现）---笔记_cyclegan复现-CSDN博客

复现social GAN代码

Charlotte_Si的博客

03-21

478

cuda：11.3。

【论文精读系列】Real-ESRGAN

A-Egoist的博客

02-24

4918

【论文精读系列】Real-ESRGAN 论文标题：Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data 论文地址：https://arxiv.org/abs/2107.10833v2 作者代码：https://github.com/xinntao/Real-ESRGAN 原文概述在单张图片超分辨率(Single Image Super-resolution)的问题中，许多方法都采用传统的 Bicu

经典网络复现系列（三）：GAN

zlrai5895的博客

06-11

4707

1、简述最近读了Gnerative Adversarial Nets(GAN)的论文,有种无间道的感觉。其他话不说先放张图。训练网络的时候，需要大量的样本，样本数量的不足会导致网络训练的效果不好。那么我们可不可以自己生成一些样本？这时候GAN就派上了用场。 GAN蕴含了两个网络博弈的思想。它由两个网络结构组成，即生成器(generator)和鉴定器(discriminator)。生成器负责产生...