超分辨重建——复现SwinIR网络推理测试（详细图文教程）

💪 专业从事且热爱图像处理，图像处理专栏更新如下👇：
📝《图像去噪》
📝《超分辨率重建》
📝《语义分割》
📝《风格迁移》
📝《目标检测》
📝《图像增强》
📝《模型优化》
📝《模型实战部署》
📝《图像配准融合》
📝《数据集》
📝《高效助手》

---

前几天更新了关于SwinIR网络在去噪的训练和测试教程，感兴趣学者可以去看一下：SwinIR网络去噪

本教程主要讲解SwinIR在超分方面的测试方法，训练的方法参考SwinIR去噪这篇文章的训练部分，它们训练和测试的主体框架都是一个，只需对应修改配置文件即可训练超分模型。

一、源码包准备

SwinIR官网提供的源码链接为：Code

论文地址：paper

官网提供的代码仅有测试相关代码，如果要训练和测试，建议学者去获取我配套教程的源码包，我修改了一些代码，已经全部调试通，并提供了官网已经训练好的超分模型，还有部分测试集。

配套教程源码包获取文章末扫码到公众号「视觉研坊」中回复关键字：超分辨率重建SwinIR，会自动回复下载链接。下载源码包解压后的样子见下：

源码包中超分模型位于model_zoo\swinir\SR路径下：

官网提供的超分模型下载地址：SwinIR_SR，见下：

二、环境准备

下面是我自己训练和测试的环境，仅供参考，其它版本也行。

三、测试集准备

官方提供的测试集为：Set5 + Set14 + BSD100 + Urban100 + Manga109测试集的下载链接为：测试集

打开链接后有各个测试集，下载需要使用的，见下：

在我提供的源码包中有测试集，见下：

四、测试

4.1 配置参数

下面是超分会用到的几个参数：

4.2 测试命令

4.2.1 2倍超分测试

在终端输入下面命令：

python main_test_swinir.py --task real_sr --scale 2 --model_path model_zoo/swinir/SR/003_realSR_BSRGAN_DFO_s64w8_SwinIR-M_x2_GAN.pth --folder_lq testsets/SR/RealSRSet+5images

命令中个参数的含义见4.1中。

4.2.2 4倍超分测试

轻量化超分4倍模型测试命令： 显存至少4G

python main_test_swinir.py --task real_sr --scale 4 --model_path model_zoo/swinir/SR/003_realSR_BSRGAN_DFO_s64w8_SwinIR-M_x4_GAN.pth --folder_lq testsets/SR/RealSRSet+5images

较大模型超分4倍测试命令： 显存至少9G

python main_test_swinir.py --task real_sr --scale 4 --large_model --model_path model_zoo/swinir/SR/003_realSR_BSRGAN_DFOWMFC_s64w8_SwinIR-L_x4_GAN.pth --folder_lq testsets/SR/RealSRSet+5images

下面是启动测试后的正确测试过程：

测试结果会保存到根目录下的results文件夹中，见下：

五、超分效果展示

下面测试RealSRSet+5images测试集。左侧图为原图双三次插值上采样4倍图；中间图为轻量化模型003_realSR_BSRGAN_DFO_s64w8_SwinIR-M_x4_GAN.pth超分4倍结果；右侧图为较大模型003_realSR_BSRGAN_DFOWMFC_s64w8_SwinIR-L_x4_GAN.pth超分4倍结果。

六、总结

以上就是SwinIR网络超分辨率重建测试方法，如果想要训练自己数据集的，参考上一篇博文SwinIR训练部分，对应的超分训练配置文件见下：

感谢您阅读到最后！😊总结不易，多多支持呀🌹 点赞👍收藏⭐评论✍️，您的三连是我持续更新的动力💖

关注公众号「视觉研坊」，获取干货教程、实战案例、技术解答、行业资讯！