本项目基于PaddlePaddle复现Real-ESRGAN网络,其属生成对抗网络,含基于ESRGAN的生成器和U-Net的判别器,可超分辨率重建真实复杂图像。用DF2K和DF2K_multiscale数据集,含高、低分辨率图片,需解压使用。可通过指定代码训练和测试,代码结构清晰,含数据、模型等多目录及相关文件。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

本项目基于深度学习框架PaddlePaddle对Real-ESRGAN网络(原论文)进行复现。
如下图所示,Real-ESRGAN网络属于生成对抗网络,包括基于ESRGAN的生成器和基于U-Net的判别器,可对真实世界的复杂图像进行超分辨率重建。
生成器 
判别器 
本项目所用的数据集为DF2K和DF2K_multiscale,它们是通过DIV2K和Flickr2K生成的,其中,DF2K包含3450张高分辨率图片,DF2K_multiscale包含13800张不同尺度下的低分辨率图片。本项目已包含该数据集,在data目录下,需要先解压:
!ls /home/aistudio/data !unzip -qo /home/aistudio/data/data119372/DF2K_HR.zip -d /home/aistudio/data/ !unzip -qo /home/aistudio/data/data119372/DF2K_multiscale.zip -d /home/aistudio/data/ !ls /home/aistudio/dat
数据集放在了aistudio,可下载使用。
低分辨率图片

经过Real-ESRGAN重建的结果

导入初始化权重ESRGAN_SRx4_DF2KOST_official-ff704c30.pdparams,设置参数进行训练。
python train.py
python inference_realesrgan.py
├─data 数据准备 ├─datasets ├─experiments 实验预训练模型及保存的训练模型 ├─inputs 测试的低分辨率图片 ├─loss 损失函数 ├─models 模型 ├─options 参数设置 ├─results 测试结果 ├─utils │ inference_realesrgan.py 测试代码 │ train.py 训练代码 │ train1.ipynb Notebook训练和测试代码
以上就是基于飞桨复现RealESRGAN的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号