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
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