huangjunc/easiest-srgan-demo

最简单的基于SRGAN网络的实现， 附带已训练好的模型及GIF生成代码， 更适合作为Demo展示

Easiest-SRGAN-demo

最简单的基于SRGAN网络的实现， 附带已训练好的模型及GIF生成代码， 更适合作为Demo展示。

Demo效果

上图就是训练了2000次后的模型的效果，只需要输入一张左边的低精度的图片， 就可以生成右边的高精度的图片。肉眼看上去效果还是非常不错的！

(由于GIF较大可能加载不出来)

这张GIF则展示了整个训练过程的变化， 左边的图是由神经网络生成的， 中间的是原始的高精度的图片， 右边的是输入到神经网络的低分辨率图片， ==神经网络在整个生成过程中是没有得到高精度图片信息的，这里给出高精度图片只是为了对比体现生成的效果==。可以看到在100次epoch迭代之后，性能已经非常不错了。

环境要求

---

训练模型

tensorflow or tensorflow-gpu > 1.10.0

keras = 2.2.4

生成自己的GIF图片

imageio pip install imageio

代码使用

---

直接使用训练好的模型恢复高精度图片

• 下载训练好的模型权重

我给出了自己这边训练了2000次后的模型权重，可以从链接下载 提取码：su92 下载完成后，将.h5文件保存在saved_model文件夹下 运行srgan.py, (将gan.train这一句注释掉).

• 自己训练模型

先去下载数据集数据集地址 ，推荐使用百度云盘下载，很快。 将代码中self.dataset_name改为本地的数据集地址。 运行srgan.py.

• 生成自己的GIF （必须是自己训练模型后才能使用） 运行generate_GIF.py

• 所有测试数据默认存放在test_images文件夹下

参考

这个代码主要基于https://github.com/eriklindernoren/Keras-GAN)的实现，做了一些小小的修改更有demo效果。

论文地址 Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network。

博客地址 深度学习：用生成对抗网络（GAN）来恢复高分辨率（高精度）图片 （附源码，模型与数据集）