使用Tensorflow 2.0的超大规模生成对抗网络（SRGAN）

NeuraScale

https://github.com/aryanmisra/NeuraScale/

它能做什么

NeuraScale（为项目命名的名字）基本上是一个超分辨率生成对抗网络（SRGAN），其目的是使用深度学习将图像分辨率提升两倍。这样可以修改最初显得像素化和/或模糊的图片，以使这些特征更加可区分。该模型在COCO unlabeled2017数据集上训练。在这里下载。

http://cocodataset.org/#download

要求

• Tensorflow 2.0
• Scipy, Numpy
• PIL
• Matplotlib
• MS COCO无标签2017数据集（用于训练）

目录树结构

/datasets

/unlabeled2017

/Neurascale

/images

/unlabeled2017

/main

/temp

/tests

data_loader.py

preprocessing.py

srgan.py

/saves

用法

要训练模型：

python srgan.py

要在图像上运行模型：

python srgan.py -p image.jpg

图片

原版的：

超分辨率：

原版的：

超分辨率：

如何建造

使用TensorFlow 2.0作为用于创建和训练SRGAN的API。该模型由Keras构建，并在MS COCO数据集上进行了训练。Numpy，Matplotlib和其他几个库也被用来进行适当的图像预处理，因为需要修改不同的图像大小才能被网络正确评估。

遇到的挑战

由于大多数神经网络需要固定的输入/输出大小，因此弄清图像预处理是项目中的困难部分，因为遇到了许多错误，并多次感到沮丧。找到了一种方法，可以将图像分成几个规则的部分，然后馈入网络，然后将输出拼接在一起，最终得到合适的，放大的图像。

相关论文

https://arxiv.org/abs/1609.04802