基于飞桨复现RealESRGAN

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。

Real-ESRGAN-PaddlePaddle

本项目基于深度学习框架PaddlePaddle对Real-ESRGAN网络(原论文)进行复现。

简介

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 

训练数据

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。

复现效果

低分辨率图片

经过Real-ESRGAN重建的结果

开始使用

训练

导入初始化权重ESRGAN_SRx4_DF2KOST_official-ff704c30.pdparams，设置参数进行训练。

python train.py

测试

python inference_realesrgan.py

代码结构

├─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

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：基于飞桨复现RealESRGAN要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题