基于PaddleGAN的LSERCNN模型实现卡通画超分

本文介绍基于PaddleGAN的LSERCNN模型实现卡通画超分的流程：先通过GitHub或Gitee安装PaddleGAN，解压并链接卡通画超分数据集；修改配置文件参数后训练模型，再用训练好的模型测试；最后展示了LESRCNN模型的实验结果，包括PSNR、SSIM等指标及模型下载方式。

基于PaddleGAN的LSERCNN模型实现卡通画超分

1.实现卡通画超分

基于PaddleGAN的LSERCNN模型 实现卡通画超分

1.1 安装PaddleGAN

PaddleGAN的安装目前支持Clone GitHub和Gitee两种方式：

# 安装ppgan# 当前目录在: /home/aistudio/, 这个目录也是左边文件和文件夹所在的目录# 克隆最新的PaddleGAN仓库到当前目录# !git clone https://github.com/PaddlePaddle/PaddleGAN.git# 如果从github下载慢可以从gitee clone：!git clone https://gitee.com/paddlepaddle/PaddleGAN.git# 安装Paddle GAN%cd PaddleGAN/!pip install -v -e .

1.2 数据准备

我们为大家准备了处理好的超分数据集卡通画超分数据集

# 回到/home/aistudio/下%cd /home/aistudio# 解压数据!unzip -q data/data80790/animeSR.zip -d data/# 将解压后的数据链接到` /home/aistudio/PaddleGAN/data `目录下!mv data/animeSR PaddleGAN/data/

1.2.1 数据集的组成形式

    PaddleGAN      ├── data          ├── animeSR                ├── train                ├── train_X4                ├── test                └── test_X4

训练数据集包括400张卡通画，其中train中是高分辨率图像，train_X4中是对应的4倍缩小的低分辨率图像。测试数据集包括20张卡通画，其中test中是高分辨率图像，test_X4中是对应的4倍缩小的低分辨率图像。

1.2.2 数据可视化

import osimport cv2import numpy as npimport matplotlib.pyplot as plt# 训练数据统计train_names = os.listdir('PaddleGAN/data/animeSR/train')print(f'训练集数据量: {len(train_names)}')# 测试数据统计test_names = os.listdir('PaddleGAN/data/animeSR/test')print(f'测试集数据量: {len(test_names)}')# 训练数据可视化img = cv2.imread('PaddleGAN/data/animeSR/train/Anime_1.webp')img = img[:,:,::-1]plt.figure()plt.imshow(img)plt.show()

数据可视化展示(展示数据集其中几张)：

1.3 选择超分模型

PaddleGAN中提供的超分模型包括RealSR, ESRGAN, LESRCNN, DRN等，详情可见超分模型。

接下来以LESRCNN为例进行演示。

1.3.1 修改配置文件

所有模型的配置文件均在/home/aistudio/PaddleGAN/configs目录下。

找到你需要的模型的配置文件，修改模型参数，一般修改迭代次数，num_workers，batch_size以及数据集路径。有能力的同学也可以尝试修改其他参数，或者基于现有模型进行二次开发，模型代码在/home/aistudio/PaddleGAN/ppgan/models目录下。

以LESRCNN为例，这里将将配置文件lesrcnn_psnr_x4_div2k.yaml中的

参数total_iters改为50000

参数dataset：train：num_workers改为4

参数dataset：train：batch_size改为16

参数dataset：train：gt_folder改为data/animeSR/train

参数dataset：train：lq_folder改为data/animeSR/train_X4

参数dataset：test：gt_folder改为data/animeSR/test

参数dataset：test：lq_folder改为data/animeSR/test_X4

1.4 训练模型

以LESRCNN为例，运行以下代码训练LESRCNN模型。

如果希望使用其他模型训练，可以修改配置文件名字。

%cd /home/aistudio/PaddleGAN/!python -u tools/main.py --config-file configs/lesrcnn_psnr_x4_div2k.yaml

1.5 测试模型

以LESRCNN为例，模型训练好后，运行以下代码测试LESRCNN模型。

其中/home/aistudio/pretrained_model/LESRCNN_PSNR_50000_weight.pdparams是刚才ESRGAN训练的模型参数，同学们需要换成自己的模型参数。

如果希望使用其他模型测试，可以修改配置文件名字。

%cd /home/aistudio/PaddleGAN/!python tools/main.py --config-file configs/lesrcnn_psnr_x4_div2k.yaml --evaluate-only --load /home/aistudio/pretrained_model/LESRCNN_PSNR_50000_weight.pdparams

1.6 实验结果展示及模型下载

这里使用LESRCNN模型训练了一个基于PSNR指标的预测模型。

数值结果展示及模型下载

最后效果

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PaddleGAN的LSERCNN模型实现卡通画超分要求：
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