BasciSR复现过程

复现代码：BasicSR

简单介绍一下代码结构，BasicSR主要是SRResNet，SRGAN，ESRGAN 等几个超分经典模型。

下面我按照GitHub上步骤进行调试。

首先阅读readme文件，了解代码基本情况，以及运行环境等要求。下面开始我们的复现过程：

开始训练SR模型：

在GitHub中wiki有详细的说明。以DIV2K数据集为例，其文件夹结构和元信息如下:

- DIV2K800_sub.lmdb
|--- data.mdb
|--- lock.mdb
|--- meta_info.pkl

                                            

数据集处理

下载数据集，经典的SR数据集有（BSD200, T91, General100; Set5, Set14, urban100, BSD100, manga109; historical）。demo中作者采用的是 DIV2K dataset（分为(800 train and 100 validation)）

                                                                

使用 codes/scripts/extract_subimgs_single.py 对数据集进行切分patch，得到DIV2K800_sub文件。

                              

接下来我们需要得到LR图像，在wiki中将数据集产生LR图片，采用matlab文件 codes/scripts/generate_mod_LR_bic.m。但是这种方法需要下载MATLAB_Linux，需要配置一些环境问题，这里可以直接用generate_mod_LR_bic.py得到LR数据集DIV2K800_sub_bicLRx4。

                                      

至此HR与LR数据都准备完毕，训练数据集在LMDB(闪电内存映射数据库)格式，以更快的IO速度。如果你不想使用LMDB，你也可以使用图像文件夹。除了标准的lmdb文件夹外，我们还添加了一个额外的meta_info.pkl文件，用于记录数据集的元信息，如数据集的名称、键和数据集中每个图像的分辨率。所以我们需要将文件格式转化为LMDB格式，同样作者给出了代码create_lmdb.py。

                               

还需要验证集，重复上面步骤在Set14数据集，得到验证集。

修改配置文件选项/train/train_SRResNet.yml，运行命令:python train.py -opt options/train/train_SRResNet.yml

在运行SRGAN时，需要我们下载一下预训练模型，下载以后将下载的模型放在实验/pretrained_models文件夹中。

在配置.yml文件，即可运行SRGAN了。