超分辨率网络

EDSR 的 Keras 实现。

原理

请参照论文 Enhanced Deep Residual Networks for Single Image Super-Resolution。

本代码参照了原作者的 Torch 实现：NTIRE2017 和 jmiller656 的 Tensorflow 实现 EDSR-Tensorflow.

EDSR (单尺度模型。 我们提供尺寸x4的模型):

依赖

• NumPy
• Tensorflow
• Keras
• OpenCV

数据集

按照 说明 下载 ImageNet 数据集。

预训练模型

---	x2	x3	x4
下载	链接	链接	链接
PSNR	36.53 dB	34.01 dB	32.77 dB

如何使用

训练

$ python train.py

如果想可视化训练效果，请运行:

$ tensorboard --logdir path_to_current_dir/logs

演示

下载 预训练模型 放入 "models" 目录然后执行:

$ python demo.py -s [2, 3, 4]

尺度 scale=2

输入	输出	PSNR	目标
		33.44832
		35.90487
		31.02284
		31.46718
		33.07617
		37.04522
		33.23690
		39.45930
		30.98116
		33.38930

尺度 scale=3

输入	输出	PSNR	目标
		41.08921
		31.58038
		37.84666
		34.74815
		31.65417
		32.09087
		32.45412
		32.50851
		29.74140
		30.53771

尺度 scale=4

输入	输出	PSNR	目标
		38.22508
		34.11120
		32.25900
		32.01732
		34.04084
		30.94041
		28.87871
		31.64159
		33.80052
		29.96366

模型评估

在 4268 张验证集图片上测得 PSNR 并求均值：x2=36.53 dB, x3=34.01 dB, x4=32.77 dB。

$ python evaluate.py -s [2, 3, 4]