SRGAN 训练自己的数据集
时间: 2023-08-01 10:08:44 浏览: 134
要训练SRGAN模型使用自己的数据集,你需要按照以下步骤进行操作:
1. 生成LR图像:如果你的数据集只包含GT图像,你需要生成LR图像。你可以使用mmsr-master/codes/data_scripts/generate_mod_LR_bic.py文件来生成LR图像。你需要修改文件中的路径和放大倍数参数。设置数据目录(sourcedir)为你的GT图像所在的路径,设置保存目录(savedir)为生成的LR图像保存的路径。然后运行该脚本来生成LR图像。
2. 修改配置参数:在训练SR模型之前,你需要修改train_SRResNet.yml文件中的配置参数。你需要修改scale参数为你的数据集的放大倍数,修改路径参数为你的数据集的路径,修改GT_size参数为你的GT图像的尺寸。然后运行命令python train.py -opt options/train/train_SRResNet.yml来开始训练。训练过程中,你可以通过PSNR来评估模型的性能。
3. 查找模型参数:训练完成后,你可以在experiments文件夹下找到保存的模型参数.pth文件。你可以使用命令find -name '*.pth'来查找.pth文件的位置。
4. 训练SRGAN模型:将刚刚找到的模型参数路径放入train_SRGAN.yml文件中。然后运行命令python train.py -opt options/train/train_SRGAN.yml来开始训练SRGAN模型。
5. 测试模型:找到测试的配置文件test_SRGAN.yml,并进行相应的修改。你需要修改scale参数为你的数据集的放大倍数,修改mode参数为LQGT或LQ,修改GT和LR的路径。如果你想评估模型并计算PSNR和SSIM,你需要修改dataroot_GT和dataroot_LQ的路径为验证集的GT和LQ图像的路径。然后运行命令python test.py -opt options/test/test_SRGAN.yml来开始评估模型。
以上是训练SRGAN模型使用自己的数据集的步骤。你可以根据自己的需求进行相应的修改和调整。
#### 引用[.reference_title]
- *1* *2* *3* [使用自己的x3数据集实现SRGAN,小白进坑全收录!](https://blog.csdn.net/qq_43477550/article/details/103445930)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]