Обучение ESRGAN - История изменений

Владимир: /* Послесловие о датасете */

2021-05-23T16:24:34Z

Послесловие о датасете

← Предыдущая версия		Версия от 16:24, 23 мая 2021
Строка 309:		Строка 309:

	В реальности этого нет, и с 90 процентным шансом воспользовавшись моделью, мы получим очень слабый результат.		В реальности этого нет, и с 90 процентным шансом воспользовавшись моделью, мы получим очень слабый результат.

			=== '''Количество изображений''' ===
			Чем больше тем лучше, но как показала практика, лучше озаботиться примерами испорчености, как можно большим чимлом примеров, чтобы модель могла понимать что перед ней и что с этим делать.

			от 10000 до 200000.

	== '''Обучение''' ==		== '''Обучение''' ==

Владимир: /* Cupscale */

2021-05-23T16:17:36Z

Cupscale

← Предыдущая версия		Версия от 16:17, 23 мая 2021
Строка 430:		Строка 430:

	=== '''Cupscale''' ===		=== '''Cupscale''' ===
	Еще один похожий представитель, все в одном. Может даже видео вашей моделью обработать.		Еще один похожий представитель, все в одном. Может даже видео вашей моделью обработать. [https://github.com/n00mkrad/cupscale/releases Ссылочка] прилагается.

	Замудреный интерфейс непонятная настройка, стандарт для самопльных гуёв. Но даже это спасение.		Замудреный интерфейс непонятная настройка, стандарт для самопльных гуёв. Но даже это спасение.

Владимир: /* Применение */

2021-05-23T16:16:04Z

Применение

← Предыдущая версия		Версия от 16:16, 23 мая 2021
Строка 383:		Строка 383:

	== Применение ==		== Применение ==
	К сожалению создатель, как и все остальные подобные товарищи, совершенно не позаботился о применении модели. Для того чтобы просто закинуть картинку и получить на выходе результат нужно ~~заморозится~~.		К сожалению создатель, как и все остальные подобные товарищи, совершенно не позаботился о применении модели. Для того чтобы просто закинуть картинку и получить на выходе результат нужно заморочится.

	То что предусмотрено в BasicSR в обоих версиях, спасибо и на этом.		То что предусмотрено в BasicSR в обоих версиях, спасибо и на этом.

Владимир: /* Результаты и разбор обучения */

2021-05-23T16:15:25Z

Результаты и разбор обучения

@@ Строка 332: / Строка 332: @@
 Вносим корректировки в датасет.
 === Послесловие ===
@@ Строка 361: / Строка 363: @@
 == Результаты и разбор обучения ==
 '''--- В процессе создания ---'''
 Такой результат получаю с дастасетом в 800 картинок уже после 2100 итераци. Модель моментально поняла что от неё требуется, заодно неплохо повышается резкость изображения, как и контрастность.<gallery>
@@ Строка 367: / Строка 368: @@
 Файл:Результат после обучения 2100 итераций 01.png|Результат после обучения 2100 итераций 01
 </gallery>
 Сесть обучалась в течении 10 минут, а результат уже изумительны. Есть некоторые флуктуации от среза к срезу, по части цвета фона. Причиной является то, что предварительно обученная модель которую мы обучаем нашим датасетом, работала с цветными изображениями.
@@ Строка 382: / Строка 381: @@
 Нужно пройти пару десятков тысяч итераций чтобы модель стала пренебрегать цветом.

Владимир: /* Валидные данные */

2021-05-23T15:42:12Z

Валидные данные

← Предыдущая версия		Версия от 15:42, 23 мая 2021
Строка 264:		Строка 264:
	Теперь у нас готовый изображения к обучению на них модели.		Теперь у нас готовый изображения к обучению на них модели.

	=== Валидные данные ===		=== '''Валидные данные''' ===
	В папке, к примеру '''GT_V и LQ_V''' разместим данные для проверки правильности обучения.		В папке, к примеру '''GT_V и LQ_V''' разместим данные для проверки правильности обучения.

Строка 275:		Строка 275:
	Теперь модель при обучении будет делать срезы именно из этих изображений.		Теперь модель при обучении будет делать срезы именно из этих изображений.

	=== ''' Послесловие о датасете''' ===		=== '''Послесловие о датасете''' ===

	==== Что все это значит ====		==== Что все это значит ====

Владимир: /* BasicSR v1.2 */

2021-05-23T15:41:39Z

BasicSR v1.2

← Предыдущая версия		Версия от 15:41, 23 мая 2021
Строка 99:		Строка 99:
	Произойдет не мало всего, и очень надеюсь что без ошибок.		Произойдет не мало всего, и очень надеюсь что без ошибок.

			=== '''BasicSR v B''' ===
	'''BasicSR v B'''

	Получить данную версию можно посмотрев историю изменений, но я конечно же даю [https://github.com/xinntao/BasicSR/tree/2c59eb613d84513cf6ab6b354f255c4c422a5e3b '''ссылку.''']		Получить данную версию можно посмотрев историю изменений, но я конечно же даю [https://github.com/xinntao/BasicSR/tree/2c59eb613d84513cf6ab6b354f255c4c422a5e3b '''ссылку.''']

Владимир в 15:41, 23 мая 2021

2021-05-23T15:41:02Z

Внесённые изменения

Владимир: /* Датасет */

2021-05-23T07:12:59Z

Датасет

Внесённые изменения

Владимир в 06:34, 23 мая 2021

2021-05-23T06:34:18Z

Внесённые изменения

Владимир: /* Датасет */

2021-05-22T17:07:38Z

Датасет

← Предыдущая версия		Версия от 17:07, 22 мая 2021
Строка 162:		Строка 162:

	Данное изображение получено обработкой моей моделью. Но место которое стилизовано под текстуру было обработано отдельно, другой моделью, а потом наложено в графическом редакторе. Немало ручной работы, но и таких мест не очень много в манге. Но все же хотелось бы добиться результата из коробки.		Данное изображение получено обработкой моей моделью. Но место которое стилизовано под текстуру было обработано отдельно, другой моделью, а потом наложено в графическом редакторе. Немало ручной работы, но и таких мест не очень много в манге. Но все же хотелось бы добиться результата из коробки.

			'''Тип модели'''

			Нужно определиться с моделью. Я использую модели от самого Xintao, они находятся в описании и на них [https://github.com/xinntao/BasicSR/blob/v1.3.2/docs/ModelZoo.md есть ссылка].

			Самыми эффективными являются ESRGAN, их два вида у Xintao: ESRGAN_SRx4 и ESRGAN_PSNR_SRx4, Если честно я не знаю чем они отличаются, слишком мало я разобрался в этой теме. Но одно известно точно, ESRGAN_PSNR_SRx4 обучается в двое быстрее. Почему мне не известно.

			Также из их названия можно увидеть, то что присудcвует x4. Это уровень масштабирования. Вообще все конфиги по умолчанию настроены на абскеил в четыре раза. И к сожалению просто поменять 4 на 2 или 1 не получится. Нужна специальная модель имеющая матрицу под этот масштаб. Опять же я пока не знаю как сделать самостоятельно модель, а не использовать уже переобученную.

			Также нужно рассказать о том, что Xintao раньше выпускал BasicSR версии до 1.0. Эти версии используют другие несовместимые модели.

			Если взять с гитхаба версию до 1.0 то можно использовать старые модели. Есть конвертор, но я так же не смог с ним разобраться. Это все работает на Python.

			Для старых версий существует немало готовых моделей, всех масштабов и свойств.

			'''Особенности разрешения датасета'''

			Нужно понимать важную вешь. Так как модель работает с масштабом то ей нужны соответственные исходные данные. То есть изображения к которым стремятся, должны иметь разрешение кратное четырем. Иначе при уменьшении их до тех из которых будем восстанавливать, кратность в пикселях не будет соблюдена. И скрипт выдаст ошибку, совсем не рассказывающую того что в чем дело. И не будет понятно какой из кадров вот так вот нам усложнил жизнь.

			Теперь определился с типами данных.

			'''GT''' - это данные к которым модель будет стремиться - наши идеальные изображения.

			'''LQ''' - это то что мы бы хотели улучшать до GT

			Так вот обязательная и максимально важная характеристика '''LQ''' - это кратность 4 по обоим сторонам разрешения. Это конечно при условии, того что мы получаем '''LQ''' из '''LQ''' по средствам обработки.

			Соответственно тоже будет при других масштабах.

			'''Размер изображений'''

			Нет смысла