近两年GAN（Generative Adversarial Network
）相关的论文大火了一把，我自己也体验了几次，确实是很神奇的网络，GAN的各种变体基本都是用来生成图片的，关于GAN相关的说明这里不多讲，如有需要了解的可以自行搜索。
但是GAN似乎有个问题，生成的图片清晰度不是很好，因此SRGAN（Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial
Network）也就是针对这个问题作出的优化，不同于普通的GAN是通过噪声来生成一个真实图片，SRGAN的目的在于将一个低分辨率的图片转化为一个高分辨率的图片。
具体的算法这里也不介绍了，GAN的变体太多，我也不是专门研究这些的，所以这里只介绍效果如何，以及怎么用。
先看几组图：
效果图
很好奇论文中选择的示例图居然是一个我国少数民族妹子。
训练方法大致就是构建好网络后，找一个高清图片数据集，对每个图片做处理得到低分辨率的图片，从而得到低分辨率图片数据集。用这两个数据集来训练网络，实现低分辨率到高分辨率图片的转化。
我自己测试了几张人脸图的转换：
-
人脸·男：
左：低分辨率 右：高分辨率
-
人脸·女：
左：低分辨率 右：高分辨率
从对比来看很容易发现确实提高了分辨率，至少视觉上看总觉得左边的是眼镜糊了。
我们放大来看一下算法到底做了什么：
低分辨率·男
高分辨率·男
从放大图中可以看到，人脸上多了很多奇怪的纹路，但是缩小后看就会觉得确实分辨率提高了，神奇的大自然！
如果你对这个实验感兴趣，也可以自己来尝试一下。在Github可以搜到很多TensorFlow下的开源代码，如果自己机器显卡够强的话可以自己按照说明训练，如果显卡不行也没关系，我实验的这份源码作者提供了预训练好的模型（最爱这种作者了！）：https://github.com/brade31919/SRGAN-tensorflow
其训练好的模型需要在Google云盘下载，需要翻墙。
要注意的是，这份代码只能输入png图片，如果你是jpg图片，通过简单的画图工具转换成png格式也是不行的，代码会报错的。
下载源代码和模型后，将模型文件夹“SRGAN_pre-trained”直接放到源代码目录下，创建一个你的图片目录，将png图片丢进去，修改“inference_SRGAN.sh”文件的红框部分为你的图片路径：
inference_SRGAN.sh
然后在终端运行“inference_SRGAN.sh”文件即可，如果成功了会如下：
转换成功示例
其中“000156”是我图片的名字。
最后，我的运行环境是：
- macOS 10.12.6
- TensorFlow 1.3.0
- Python 2.7
Have fun！
网友评论