Anime-Super-Resolution

动漫图片超分辨率——基于WDSR (2019-4-30)

环境

• tensorflow-gpu 1.12.0
• Keras 2.2.4

实现动漫图片4倍的图片放大及超分辨率

• utils.py -- 图像降采样与数据导入
• model.py -- wdsr模型
• optimizer.py -- 权重归一化Adam优化器
• train.py -- 模型训练
• predict.py -- 测试集预测
• evaluate.py -- 在不同难度等级下测试网络表现

图像降采样

• 使用NEAREST, BICUBIC, BILINEAR, HAMMING, LANCZOS插值方法将图像缩减4~12倍
• 使用半径1~3的核进行高斯模糊

Demo(LR, SR)

<div align="center"> <img src="images/demo_lr_1.jpg" width="420" > <img src="images/demo_sr_1.jpg" width="420" > <img src="images/demo_lr_2.jpg" width="420" > <img src="images/demo_sr_2.jpg" width="420" > <img src="images/demo_lr_3.jpg" width="420" > <img src="images/demo_sr_3.jpg" width="420" > <img src="images/demo_lr_4.jpg" width="420" > <img src="images/demo_sr_4.jpg" width="420" > </div>

难度测试

Easy（缩减倍率 4 ~ 6，模糊半径 1 ~ 1.5）

<div align="center"> <img src="images/easy_lr.jpg" width="420" > <img src="images/easy_sr.jpg" width="420" > </div>

Normal（缩减倍率 6 ~ 8，模糊半径 1.5 ~ 2）

<div align="center"> <img src="images/normal_lr.jpg" width="420" > <img src="images/normal_sr.jpg" width="420" > </div>

Hard（缩减倍率 8 ~ 10，模糊半径 2 ~ 2.5）

<div align="center"> <img src="images/hard_lr.jpg" width="420" > <img src="images/hard_sr.jpg" width="420" > </div>

Lunatic（缩减倍率 10 ~ 12，模糊半径 2.5 ~ 3）

<div align="center"> <img src="images/lunatic_lr.jpg" width="420" > <img src="images/lunatic_sr.jpg" width="420" > </div>

测试集表现

<div align="center"> <img src="outputs/lr_22.jpg" width="420" > <img src="outputs/sr_22.jpg" width="420" > </div> <div align="center"> <img src="outputs/lr_11.jpg" width="420" > <img src="outputs/sr_11.jpg" width="420" > </div>