ICCV AIM 2019 Extreme Super-Resolution Challenge - Track 1: Fidelity WINNER

http://www.vision.ee.ethz.ch/aim19/

#南京航空航天大学自动化学院404实验室 & 中国电子科技网络信息安全有限公司

#训练/测试代码详见:EDSR https://github.com/thstkdgus35/EDSR-PyTorch #参考 EDSR WDSR RDN AWSRN ESPCN #非常感谢上述作者的开源，引用本文请引用他们. #论文地址：https://arxiv.org/abs/1912.08002 #论文已被ICCVW2019接收,但由于延迟提交,在CVF中看不到. #使用测试代码为ESRGAN提供并修改，感谢分享 #若其他人测试与论文中出现值有较大出入（我感觉manga109的测试结果挺高.不知道是不是LR数据集制作的问题.若有大佬验证请留言.） #邮箱：xxh96@outlook.com。

#若有相差不大（小于0.02），可能是我Best和最终模型弄混了。 #代码中使用WDSR的WN作为归一化层，论文中没提及，也懒得改了，望见谅。 #再次感谢大佬们提供的代码。 #模型地址: 百度云链接: 链接: https://pan.baidu.com/s/1_TY-dR_J7RrsZNfVtPQHJA 提取码: b7in

测试方法： cd ../../src

#src/option.py set: parser.add_argument('--act', type=str, default='relu', help='activation function')

#src/option.py add: parser.add_argument('--alpha', type=float, default=1.0, help='alpha') parser.add_argument('--beta', type=float, default=1.0, help='beta') parser.add_argument('--block_feats', type=int, default=384, help='number of block_feats feature maps') parser.add_argument('--r_mean', type=float, default=0.4488, help='Mean of R Channel') parser.add_argument('--g_mean', type=float, default=0.4371, help='Mean of G channel') parser.add_argument('--b_mean', type=float, default=0.4040, help='Mean of B channel')

#[ ]中需决定自己填写内容，并删除'[]'. #测试前先创建文件夹，并放模型 ../experiment/DSADCSR/model/dsadcsr_x16.pt #若想自己训练需先训练SKIP再载入模型（如论文中描述）

#测试代码 半精度 + Self-Ensemble #DSADCSR 16为挑战赛模型 python main.py --model DSADCSR --data_test [Demo+Set5] --n_resblock 4 --n_feats 128 --block_feat 384 --save [DSADCSR] --dir_data [/dataset/] --scale [8 16] --pre_train ../experiment/[DSADCSR]/model/[dsadcsr_x16.pt] --test_only --save_result --prec half --self_ens

#ADCSR (ADCSRS --n_feats 64 --block_feat 192) python main.py --model ADCSR --data_test [Demo+Set5+Set4+...] --n_resblock 4 --n_feats 128 --block_feat 384 --save [ADCSR_X2X3X4X8] --dir_data [/dataset/] --scale [2 3 4 8] --pre_train ../experiment/[--save]/model/[model_name] --test_only --save_result --prec half --self_ens

#2020年2月23日更新 #修改了adcsr与dsadcsr的激活函数选择。 #为我的代码错误，按照原始方法不能设置act为leakyrelu #因此使用修改后的代码需将act设置为relu，与论文中模型不符。若有机会我将会更正最终测试数据，但需要等待几个月。

#论文中adcsr的基础测试集数据的激活函数为relu！！！ #dsadcsr的第一级为relu，第二级由于是直接设置，激活函数为leakyrelu。 #带来不便请谅解。