0
点赞
收藏
分享

微信扫一扫

【超分重建】BSRGAN【ICCV, 2021】训练步骤详细记录 —— 附训练代码+数据

求索大伟 2023-07-30 阅读 20
计算机视觉深度学习人工智能pythonjson代码人生

❤️【深度学习入门项目】❤️ 之 【超分重建】

❤️ 原创：墨理学AI

本博文专注于记录 BSRGAN 训练过程，是如下深度学习入门博文的续写

BSRGAN -- 环境搭建 - 测试部分 - 移步该博文 【如何让女神更清晰，我的白月光】

📔 基础信息

🟧 代码仓库

  • 训练代码仓库：https://github.com/cszn/KAIR

下载仓库代码

git clone https://github.com/cszn/KAIR.git

🟨 简单说明

该论文代码本身 致力于 设计一个实用的退化模型【Designing a Practical Degradation Model】 因此，如果要复现该论文，还是需要具体看论文，来下载对应的 HR 数据 和 测试数据 具体研究和复现，也不是本专栏博文重点，因此，这里只是简单记录该代码的训练步骤

📕 训练数据集准备

github.com/cszn/KAIR 主页有数据下载链接

【超分重建】BSRGAN【ICCV, 2021】训练步骤详细记录 —— 附训练代码+数据_计算机视觉

这里使用了 DIV2K_train_HR/ 800 张 *.png 图片进行训练

【超分重建】BSRGAN【ICCV, 2021】训练步骤详细记录 —— 附训练代码+数据_python_02

📗 训练参数配置

关于训练，ReadMe 其实交代的比较清楚了

【超分重建】BSRGAN【ICCV, 2021】训练步骤详细记录 —— 附训练代码+数据_深度学习_03

🔴 在进行重现实验时，主要会调整的基本参数如下

  • BSRNet 对应配置为 ：options/train_bsrgan_x4_psnr.json
  • BSRGAN 对应配置为 ：options/train_bsrgan_x4_gan.json
  • 两个配置的待修改参数相似

【超分重建】BSRGAN【ICCV, 2021】训练步骤详细记录 —— 附训练代码+数据_人工智能_04

【超分重建】BSRGAN【ICCV, 2021】训练步骤详细记录 —— 附训练代码+数据_人工智能_05

【超分重建】BSRGAN【ICCV, 2021】训练步骤详细记录 —— 附训练代码+数据_深度学习_06

🔵 BSRNet 和 BSRGAN 配置上的区别

【超分重建】BSRGAN【ICCV, 2021】训练步骤详细记录 —— 附训练代码+数据_python_07

🟣 Train BSRNet

batch_size 为 4时，单卡 GPU占用 6933MiB ，90分钟 训练 iter: 10,000次，【数据集为 DIV2k 800 训练数据】

cd KAIR/

#环境搭建，参考上篇博文即可
conda activate torch18

python main_train_psnr.py --opt options/train_bsrgan_x4_psnr.json

可以在 log 日志 【KAIR/superresolution/bsrgan_x4_psnr/train.log】中看到当训练 iter: 10,000 时，打印了 set5 测试的PSNR 效果如下【因为我在配置中设置 "checkpoint_test": 10000 】

这种设置对于【魔改】模型训练，及时发现训练效果是否提升，会有一定帮助；

21-09-15 04:03:32.434 : <epoch: 49, iter:  10,000, lr:1.000e-04> G_loss: 6.757e-02 
21-09-15 04:03:32.435 : Saving the model.
21-09-15 04:03:34.821 : ---1-->   baby.bmp | 26.35dB
21-09-15 04:03:34.940 : ---2-->   bird.bmp | 32.46dB
21-09-15 04:03:35.350 : ---3--> butterfly.bmp | 26.62dB
21-09-15 04:03:35.637 : ---4-->   head.bmp | 41.31dB
21-09-15 04:03:35.747 : ---5-->  woman.bmp | 26.89dB
21-09-15 04:03:35.806 : <epoch: 49, iter:  10,000, Average PSNR : 30.72dB

21-09-15 04:05:06.854 : <epoch: 50, iter:  10,200, lr:1.000e-04> G_loss: 7.127e-02

iter: 10,000 训练生成如下

【超分重建】BSRGAN【ICCV, 2021】训练步骤详细记录 —— 附训练代码+数据_人工智能_08

🟡 Train BSRGAN

batch_size 为 4 时，单卡 GPU占用 9667MiBiter: 10,000次耗时 2小时20分钟【数据集为 DIV2k 800 训练数据】

python main_train_gan.py --opt options/train_bsrgan_x4_gan.json

训练生成效果如下

【超分重建】BSRGAN【ICCV, 2021】训练步骤详细记录 —— 附训练代码+数据_深度学习_09

🎉 附代码+训练数据

该博客记录对应代码 + DIV2K 训练数据集

各位小伙伴按照博文教程或者官方文档，自行构建项目，更能提高和锻炼自己

祝学习顺利，感谢订阅

链接：https://pan.baidu.com/s/1RKjHDxtPuPdFmzEH4oqcOg 

提取码：1103

代码目录结构如下

tree -L 3
.
├── data
│   ├── dataset_blindsr.py
│   ├── dataset_dncnn.py
│   ├── dataset_dnpatch.py
│   ├── dataset_dpsr.py
│   ├── dataset_fdncnn.py
│   ├── dataset_ffdnet.py
│   ├── dataset_l.py
│   ├── dataset_plainpatch.py
│   ├── dataset_plain.py
│   ├── dataset_srmd.py
│   ├── dataset_sr.py
│   ├── dataset_usrnet.py
│   ├── __init__.py
│   ├── __pycache__
│   │   ├── dataset_blindsr.cpython-37.pyc
│   │   ├── __init__.cpython-37.pyc
│   │   └── select_dataset.cpython-37.pyc
│   └── select_dataset.py
├── figs
│   ├── face_01_comparison.png
│   ├── face_04_comparison.png
│   ├── face_08_comparison.png
│   ├── face_10_comparison.png
│   ├── face_12_comparison.png
│   ├── face_13_comparison.png
│   ├── imdn_block.png
│   └── imdn.png
├── kernels
│   ├── kernels_12.mat
│   ├── kernels_bicubicx234.mat
│   ├── k_large_1.png
│   ├── k_large_2.png
│   ├── Levin09.mat
│   └── srmd_pca_matlab.mat
├── LICENSE
├── main_challenge_sr.py
├── main_test_dncnn3_deblocking.py
├── main_test_dncnn.py
├── main_test_dpsr.py
├── main_test_face_enhancement.py
├── main_test_fdncnn.py
├── main_test_ffdnet.py
├── main_test_imdn.py
├── main_test_ircnn_denoiser.py
├── main_test_msrresnet.py
├── main_test_rrdb.py
├── main_test_srmd.py
├── main_test_usrnet.py
├── main_train_dncnn.py
├── main_train_drunet.py
├── main_train_gan.py
├── main_train_psnr.py
├── main_train_usrnet.py
├── models
│   ├── basicblock.py
│   ├── einstein.png
│   ├── loss.py
│   ├── loss_ssim.py
│   ├── model_base.py
│   ├── model_gan.py
│   ├── model_plain2.py
│   ├── model_plain4.py
│   ├── model_plain.py
│   ├── network_discriminator.py
│   ├── network_dncnn.py
│   ├── network_dpsr.py
│   ├── network_faceenhancer.py
│   ├── network_feature.py
│   ├── network_ffdnet.py
│   ├── network_imdn.py
│   ├── network_msrresnet.py
│   ├── network_rrdbnet.py
│   ├── network_rrdb.py
│   ├── network_srmd.py
│   ├── network_swinir.py
│   ├── network_unet.py
│   ├── network_usrnet.py
│   ├── network_usrnet_v1.py
│   ├── op
│   │   ├── fused_act.py
│   │   ├── fused_bias_act.cpp
│   │   ├── fused_bias_act_kernel.cu
│   │   ├── __init__.py
│   │   ├── __pycache__
│   │   ├── upfirdn2d.cpp
│   │   ├── upfirdn2d_kernel.cu
│   │   └── upfirdn2d.py
│   ├── __pycache__
│   │   ├── basicblock.cpython-37.pyc
│   │   ├── loss.cpython-37.pyc
│   │   ├── loss_ssim.cpython-37.pyc
│   │   ├── model_base.cpython-37.pyc
│   │   ├── model_gan.cpython-37.pyc
│   │   ├── model_plain.cpython-37.pyc
│   │   ├── network_discriminator.cpython-37.pyc
│   │   ├── network_rrdbnet.cpython-37.pyc
│   │   ├── select_model.cpython-37.pyc
│   │   └── select_network.cpython-37.pyc
│   ├── select_model.py
│   └── select_network.py
├── model_zoo
│   ├── dncnn_25.pth
│   └── README.md
├── options
│   ├── train_bsrgan_x4_gan.json
│   ├── train_bsrgan_x4_psnr.json
│   ├── train_dncnn.json
│   ├── train_dpsr.json
│   ├── train_drunet.json
│   ├── train_fdncnn.json
│   ├── train_ffdnet.json
│   ├── train_imdn.json
│   ├── train_msrresnet_gan.json
│   ├── train_msrresnet_psnr.json
│   ├── train_rrdb_psnr.json
│   ├── train_srmd.json
│   ├── train_swinir_denoising_c_50.json
│   ├── train_swinir_denoising_g_50.json
│   └── train_usrnet.json
├── README.md
├── requirement.txt
├── results
│   └── README.md
├── retinaface
│   ├── data_faces
│   │   ├── config.py
│   │   ├── data_augment.py
│   │   ├── FDDB
│   │   ├── __init__.py
│   │   ├── __pycache__
│   │   └── wider_face.py
│   ├── facemodels
│   │   ├── __init__.py
│   │   ├── net.py
│   │   └── retinaface.py
│   ├── layers
│   │   ├── functions
│   │   ├── __init__.py
│   │   ├── modules
│   │   └── __pycache__
│   ├── README.md
│   ├── retinaface_detection.py
│   └── utils_faces
│       ├── box_utils.py
│       ├── __init__.py
│       ├── nms
│       └── timer.py
├── superresolution
│   ├── bsrgan_x4_gan
│   │   ├── images
│   │   ├── models
│   │   ├── options
│   │   └── train.log
│   └── bsrgan_x4_psnr
│       ├── images
│       ├── models
│       ├── options
│       └── train.log
├── testsets
│   ├── README.md
│   ├── real_faces
│   │   ├── face_01.png
│   │   ├── face_02.png
│   │   ├── face_03.png
│   │   ├── face_04.png
│   │   ├── face_05.png
│   │   ├── face_06.png
│   │   ├── face_07.png
│   │   ├── face_08.png
│   │   ├── face_09.png
│   │   ├── face_10.png
│   │   ├── face_11.png
│   │   ├── face_12.png
│   │   ├── face_13.png
│   │   └── face_14.png
│   ├── set12
│   │   ├── 01.png
│   │   ├── 02.png
│   │   ├── 03.png
│   │   ├── 04.png
│   │   ├── 05.png
│   │   ├── 06.png
│   │   ├── 07.png
│   │   ├── 08.png
│   │   ├── 09.png
│   │   ├── 10.png
│   │   ├── 11.png
│   │   └── 12.png
│   └── set5
│       ├── baby.bmp
│       ├── bird.bmp
│       ├── butterfly.bmp
│       ├── head.bmp
│       └── woman.bmp
├── trainsets
│   ├── README.md
│   └── trainH
│       ├── DIV2K_train_HR
│       └── README.md
└── utils
    ├── __pycache__
    │   ├── utils_blindsr.cpython-37.pyc
    │   ├── utils_bnorm.cpython-37.pyc
    │   ├── utils_dist.cpython-37.pyc
    │   ├── utils_image.cpython-37.pyc
    │   ├── utils_logger.cpython-37.pyc
    │   ├── utils_model.cpython-37.pyc
    │   ├── utils_option.cpython-37.pyc
    │   └── utils_regularizers.cpython-37.pyc
    ├── test.bmp
    ├── test.png
    ├── utils_alignfaces.py
    ├── utils_blindsr.py
    ├── utils_bnorm.py
    ├── utils_deblur.py
    ├── utils_dist.py
    ├── utils_googledownload.py
    ├── utils_image.py
    ├── utils_logger.py
    ├── utils_matconvnet.py
    ├── utils_mat.py
    ├── utils_model.py
    ├── utils_modelsummary.py
    ├── utils_option.py
    ├── utils_params.py
    ├── utils_receptivefield.py
    ├── utils_regularizers.py
    └── utils_sisr.py

40 directories, 189 files

📘 结语

只要环境搭建顺利，该代码正确训练和测试，基本没有问题哈：

【超分重建】BSRGAN【ICCV, 2021】训练步骤详细记录 —— 附训练代码+数据_计算机视觉_10

举报

相关推荐

ICCV 2021：炼丹师的福音，训练更快收敛的绝佳方案（附源代码）

目标检测计算机视觉权重Linux系统/运维

ICCV2021超分辨率汇总（附论文链接/代码/解析）[持续更新]

深度学习人工智能

Yolov7训练自己的数据集（超详细）

python深度学习视觉检测目标检测

YOLOv8训练自己的数据集(超详细)

深度学习目标检测计算机视觉人工智能神经网络

[超分辨率重建]ESRGAN算法训练自己的数据集过程

kubernetes容器云原生

darknet-yolov3训练自己的数据集（超详细）

opencv目标检测python

yolov5-pytorch训练自己的数据集-超详细

pytorchpython深度学习目标检测计算机视觉

【图像重建】基于FSRCNN的图像超分辨重建算法附matlab代码

matlab算法cnn

cityscape 数据集 mmsegmentation训练记录

网络安全windowspython

SwinIR实战：详细记录SwinIR的训练过程

深度学习计算机视觉人工智能
0 条评论