falsr_b

falsr_b

模型名称	falsr_b
类别	图像-图像编辑
网络	falsr_b
数据集	DIV2k
是否支持Fine-tuning	否
模型大小	4MB
指标	PSNR37.61
最新更新日期	2021-02-26

一、模型基本信息

• 应用效果展示

  • 样例结果示例(左为原图，右为效果图)：

    

• 模型介绍

  • falsr_b是基于Fast, Accurate and Lightweight Super-Resolution with Neural Architecture Search设计的轻量化超分辨模型。该模型使用多目标方法处理超分问题，同时使用基于混合控制器的弹性搜索策略来提升模型性能。该模型提供的超分倍数为2倍。

  • 更多详情请参考：falsr_b

二、安装

• 1、环境依赖

  • paddlepaddle >= 2.0.0

  • paddlehub >= 2.0.0

• 2、安装

  • $ hub install falsr_b

  • 如您安装时遇到问题，可参考：零基础windows安装 | 零基础Linux安装 | 零基础MacOS安装

三、模型API预测

• 1、命令行预测

  • $ hub run falsr_b --input_path "/PATH/TO/IMAGE"
    

• 2、预测代码示例

  import cv2
  import paddlehub as hub
  
  sr_model = hub.Module(name='falsr_b')
  im = cv2.imread('/PATH/TO/IMAGE').astype('float32')
  #visualization=True可以用于查看超分图片效果，可设置为False提升运行速度。
  res = sr_model.reconstruct(images=[im], visualization=True)
  print(res[0]['data'])

• 3、API

  • def reconstruct(images=None,
                    paths=None,
                    use_gpu=False,
                    visualization=False,
                    output_dir="falsr_b_output")

    • 预测API，用于图像超分辨率。

    • 参数

      • images (list[numpy.ndarray]): 图片数据，ndarray.shape 为 [H, W, C]，BGR格式；
      • paths (list[str]): 图片的路径；
      • use_gpu (bool): 是否使用 GPU预测，如果使用GPU预测，则在预测之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置；
      • visualization (bool): 是否将识别结果保存为图片文件；
      • output_dir (str): 图片的保存路径。

    • 返回

      • res (list[dict]): 识别结果的列表，列表中每一个元素为 dict，关键字有 'save_path'， 'data'，对应的取值为：
        • save_path (str, optional): 可视化图片的保存路径（仅当visualization=True时存在）；
        • data (numpy.ndarray): 超分辨后图像。

  • def save_inference_model(dirname)

    • 将模型保存到指定路径。

    • 参数

      • dirname: 模型保存路径

四、服务部署

• PaddleHub Serving可以部署一个图像超分的在线服务。

• 第一步：启动PaddleHub Serving

  • 运行启动命令：

    • $ hub serving start -m falsr_b

    • 这样就完成了一个超分任务的服务化API的部署，默认端口号为8866。

    • NOTE: 如使用GPU预测，则需要在启动服务之前，设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。

• 第二步：发送预测请求

  • 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果

    import requests
    import json
    import base64
    
    import cv2
    import numpy as np
    
    def cv2_to_base64(image):
        data = cv2.imencode('.jpg', image)[1]
        return base64.b64encode(data.tostring()).decode('utf8')
    def base64_to_cv2(b64str):
        data = base64.b64decode(b64str.encode('utf8'))
        data = np.fromstring(data, np.uint8)
        data = cv2.imdecode(data, cv2.IMREAD_COLOR)
        return data
    
    # 发送HTTP请求
    org_im = cv2.imread('/PATH/TO/IMAGE')
    data = {'images':[cv2_to_base64(org_im)]}
    headers = {"Content-type": "application/json"}
    url = "http://127.0.0.1:8866/predict/falsr_b"
    r = requests.post(url=url, headers=headers, data=json.dumps(data))
    sr = base64_to_cv2(r.json()["results"][0]['data'])
    cv2.imwrite('falsr_b_X2.png', sr)
    print("save image as falsr_b_X2.png")

• Gradio APP 支持

  从 PaddleHub 2.3.1 开始支持使用链接 http://127.0.0.1:8866/gradio/falsr_b 在浏览器中访问 falsr_b 的 Gradio APP。

五、更新历史

• 1.0.0

  初始发布

• 1.1.0

  移除 fluid API

• 1.2.0

  添加 Gradio APP 支持

  $ hub install falsr_b == 1.2.0