[App4AI] Super Resolution (超解析度)

 [簡介]

 

結果.png

 

此 APP是將一張低解析度(Low Resolution)的影像,利用 SRGAN 生成一張高解析度 (High Resolution),提高影像的解析度。

上圖為,將一張原始圖 (Original HR) ,降低解析度後(Bicubic) ,用 SRResNet 與 SRGAN 來提高影像的解析度。

 

 

[操作步驟及說明]

1. 準備 dataset

APP 所使用的 dataset 為 coco2014 的 dataset,在 Select Dataset 選擇要使用的dataset。

若想要使用自己的 dataset,請按下 View,把 coco2014 複製一份,放在和 coco2014 同一層位置(按 View 一打開的位置),改成自己想設定的資料夾名稱,自行替換  train、val、test 資料夾內的圖檔。

 

注意:

請勿把 model 資料夾內的 “vgg19-dcbb9e9d.pth” 檔案刪除。

 

LEADERG - SuperResolution 選擇 dataset.png

 

2. 準備訓練用 data

按下 1. Create data lists,產生訓練所需的 json 檔。

 

LEADERG - SuperResolution 準備 dataset.png

 

3. 訓練 SRResNet

要先訓練 SRResNet。

按下 2. train SRResNet 開始訓練。

注意:

(1)如果有需要接續訓練,請將下方 resume mode 勾選,且按下 2. train SRResNet 時,選擇要接續訓練的 model 檔,model 檔名需為 XXX_srresnet.pth.tar。

(2)如果有需要設定不同的 batch size,可在下方 batch size 區域填寫。

(3)訓練的模型放在 model 資料夾內,為固定名稱 “checkpoint_srresnet.pth.tar”。

(4)由於訓練會持續更新  “checkpoint_srresnet.pth.tar”,若使用者有需要,請自行備份  “checkpoint_srresnet.pth.tar” 檔。

 

LEADERG - SuperResolution 訓練 srresnet.png

 

4. 訓練 SRGAN

先決條件:model 資料夾內需有 “checkpoint_srresnet.pth.tar” 與 “vgg19-dcbb9e9d.pth”。

按下 3. train SRGAN  開始訓練。

注意:

(1)如果有需要接續訓練,請將下方 resume mode 勾選,且按下 3. train SRGAN 時,選擇要接續訓練的 model 檔,model 檔名需為 XXX_srgan.pth.tar。

(2)如果有需要設定不同的 batch size,可在下方 batch size 區域填寫。

(3)訓練的模型放在 model 資料夾內,為固定名稱 “checkpoint_srgan.pth.tar”。

(4)由於訓練會持續更新  “checkpoint_srgan.pth.tar”,若使用者有需要,請自行備份  “checkpoint_srgan.pth.tar” 檔。

 

LEADERG - SuperResolution 訓練 srgan.png

 

5. 測試

按下 “4. super resolve”,選擇要測試的圖片。

若需要選擇其他測試用的模型,請在下方區域,選擇 srresnet 模型或 srgan 模型。

 

LEADERG - SuperResolution 選擇圖片.png

LEADERG - SuperResolution 測試原圖.png

 

 

[軟體下載]

 

https://d.leaderg.com/SuperResolution/download

 

 

[ 軟體試用 ]

 

下載軟體後,請用7zip解壓縮,輸入「TRY30」試用授權碼,每台電腦可以試用30天。

 

 

聯絡我們及購買方式


請參閱以下網址:

https://tw.leaderg.com/article/index?sn=11056


延伸閱讀

1.
LEADERG App4AI 人工智能軟體 (App for AI, 不用寫程式, 視窗操作介面, 易學易用, 無經驗可, AI Model Zoo, No Code, Deep Learning, 深度學習, Machine Learning, 機器學習, 人工智慧)

2.
LEADERG AI Zoo 人工智能演算法 (整理及優化200多種範例程式碼, 節省90%的開發時間, 10倍速快速開發 AI 程式, Jupyter Lab 操作介面, Code for AI, Code4AI, Less Coding, AI Model Zoo, AIZOO, 深度學習, Big Data, 大數據)

3.
LEADERG ACE-22 中階人工智能工作站 (RTX-A6000-48G, RTX-A5000-24G, RTX-A4000-16G, RTX-3090-24G, AMD Ryzen 9, Intel Core i9, GPU 電腦, computer, workstation, deep learning, 深度學習)

4.
LEADERG ACE-38 高階人工智能工作站 (RTX-A6000-48G 四張, RTX-A5000-24G 四張, RTX-A4000-16G 七張, NVIDIA RTX-3090-24G 兩張, RTX-3080-10G 兩張, RTX-3060-12G 兩張, AMD, Ryzen Threadripper PRO)

感謝客戶們的支持

臺灣大學、清華大學、陽明交通大學、成功大學、臺北醫學大學、臺北護理健康大學、中興大學、暨南大學、宜蘭大學、聯合大學、淡江大學、逢甲大學、長庚大學、義守大學、實踐大學、大同大學、中原大學、臺科大、北科大、臺中科大、雲林科大、勤益科大、虎尾科大、屏東科大、高雄科大、朝陽科大、明志科大、南臺科大、亞東科大、中國科大、國防大學、海軍軍官學校、陸軍專科學校、鼓山高中、臺大醫院、榮民總醫院、長庚醫院、慈濟醫院、義大醫院、中山科學研究院、國防部軍備局、法務部調查局、工研院、資策會、原子能委員會核能研究所、農業委員會特有生物研究保育中心、勞動部勞動研究所、紡織研究所、金屬工業研究發展中心、台灣儀器科技研究中心、車輛測試中心、台灣自來水公司、台積電、聯電、南亞科、華邦電子、精材科技、華信光電、友達光電、群創光電、瀚宇彩晶、台塑、台塑網、南亞塑膠、台灣化學纖維、中國石油、羅技電子、義隆電子、隆達電子、達方電子、鴻海、大聯大 - 世平興業、盟立自動化、迅得機械、南茂科技、順達科技、致伸科技、英特盛、豐興鋼鐵、中宇環保工程、竹陞科技、研揚科技、敦陽科技、竑騰科技、先豐通訊、神達電腦、神通電腦、百佳泰、科音國際、峰安車業、鴻鵠國際、藍海智能等。