# SRDRM **Repository Path**: windclub/srdrm ## Basic Information - **Project Name**: SRDRM - **Description**: 华为模型迁移项目--SRDRM - **Primary Language**: Unknown - **License**: MIT - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 2 - **Forks**: 0 - **Created**: 2021-08-24 - **Last Updated**: 2025-01-07 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README ## SRDRM: Underwater Image Super-Resolution using Deep Residual Multipliers 原始模型参考 [github链接](https://github.com/xahidbuffon/srdrm), 迁移训练代码到NPU ### Requirments - Tensorflow 1.15.0 - Ascend 910 - Tesla V100 - NPU运行平台 ModelArts - 其他依赖参考requirements.txt - Dataset: USR-248(请参考https://github.com/xahidbuffon/srdrm自行下载) - Model: **SRDRM** and **SRDRM-GAN** for underwater image super-resolution ### 代码路径解释 ```shell |-- checkpoints ----存放训练模型的路径[训练时自动生成] | |-- USR_2x | |-- srdrm | |-- srdrm-gan | |-- USR_4x | |-- srdrm | |-- srdrm-gan | |-- USR_8x | |-- srdrm | |-- srdrm-gan |-- image ----存放每500step sample样本路径[训练时自动生成] | |-- USR_2x | |-- srdrm | |-- srdrm-gan | |-- USR_4x | |-- srdrm | |-- srdrm-gan | |-- USR_8x | |-- srdrm | |-- srdrm-gan |--- nets ----网络结构路径 | |-- SRDRAM.py ----srdrm-gan | |-- gen_models.py ----srdrm |--- scripts ---- 模型训练 测试 评估脚本 | |--- gpu_scripts ---- 使用gpu | |-- measure_gpu_1p.sh | |-- test_SR_gpu_1p.sh | |-- train_GANs_gpu_1p.sh | |-- train_genarative_models_gpu_1p.sh | |--- npu_scripts ---- 使用npu | |-- measure_npu_1p.sh ---- NPU下获取单个模型单个epoch结果的SSIM PSNR UQIM指标脚本 | |-- test_SR_npu_1p.sh | |-- train_GANs_npu_1p.sh | |-- train_genarative_models_npu_1p.sh |--- task_log ---- 存放训练与测试控制台输出路径[训练时自动生成] | |-- train_[chip] ---- chip = [gpu/npu/cpu] | |-- test_[chip]_epoch_[xx] ---- GPU推理时的log保存路径,[xx]为第 xx epoch 模型推理 | |-- measure ---- 获取评价指标代码的log路径 | |-- gpu | |-- npu | |-- cpu |--- tensorborad_log ---- 存放tensorboard文件路径[训练时自动生成] |--- utils | |-- data_utils.py ---- dataloader | |-- Logger.py ---- 记录控制台输出的工具脚本 | |-- loss_utils.py ---- 计算loss | |-- plot_utils.py ---- 绘制图片 | |-- print_config.py ---- 打印任务参数配置 | |-- ssim_psnr_utils.py ---- 计算SSIM PSNR | |-- uqim_utils.py ---- 计算UIQM |--- weights ---- 存放VGG19预训练权重[自行下载] | |--vgg19_weights_tf_dim_ordering_tf_kernels_notop.h5 |--- boot_modelarts.py ---- modelarts启动文件 |--- help_modelarts.py ---- modelarts与obs传输文件 |--- LICENSE |--- measure.py ---- 获取结果指标的脚本 |--- README.md |--- requirements.txt ---- 依赖配置文件 |--- test_SR.py ---- 模型测试脚本 |--- train_GANs.py ---- srdrm-gan模型训练脚本 |--- train_genarative_models.py ---- srdrm模型训练脚本 ``` ### 数据集准备 & 预训练模型下载 - Dataset: USR-248(请参考https://github.com/xahidbuffon/srdrm自行下载) ```shell 数据集组织 |--- dataset | |-- SRDRM | |-- USR248 | |-- TEST | |-- train_val ``` - vgg19预训练模型下载 [百度网盘链接, 提取码：qkv3](https://pan.baidu.com/s/16J07ou2tecjX1HIz50Qgnw) [github下载链接](https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg19_weights_tf_dim_ordering_tf_kernels_notop.h5) 下载后放在weights目录下。 ### GPU训练 命令行切换路径到`scripts/gpu_scripts` - 训练srdrm-gan, 详细的参数设置请参考脚本中的注释 ```shell sh train_GANs_gpu_1p.sh ``` - 训练srdrm, 详细的参数设置请参考脚本中的注释 ```shell sh train_genarative_models_gpu_1p.sh ``` ### GPU测试 命令行切换路径到`scripts/gpu_scripts`，执行以下命令，详细的参数设置请参考脚本中的注释 ```shell sh test_SR_gpu_1p.sh ``` ### GPU测试结果评估 命令行切换路径到`scripts/gpu_scripts`，执行以下命令，详细的参数设置请参考脚本中的注释 ```shell sh measure_gpu_1p.sh ``` ### NPU训练 命令行切换路径到`scripts/npu_scripts` - 训练srdrm-gan, 详细的参数设置请参考脚本中的注释 ```shell sh train_GANs_npu_1p.sh <--code_dir> <--data_dir> <--result_dir> <--obs_url> ``` - 训练srdrm, 详细的参数设置请参考脚本中的注释 ```shell sh train_genarative_models_npu_1p.sh <--code_dir> <--data_dir> <--result_dir> <--obs_url> ``` ### NPU测试 命令行切换路径到`scripts/gpu_scripts`，执行以下命令，详细的参数设置请参考脚本中的注释 ```shell sh test_SR_npu_1p.sh <--code_dir> <--data_dir> <--result_dir> <--obs_url> ``` ### NPU测试结果评估 命令行切换路径到`scripts/gpu_scripts`，执行以下命令，详细的参数设置请参考脚本中的注释 ```shell sh measure_npu_1p.sh <--code_dir> <--data_dir> <--result_dir> <--obs_url> ``` ### 指标对比 均使用相同的训练集以及测试集，训练参数都相同。 SRDRM NPU/GPU Checkpoints: ([百度云链接，提取码：fxca](https://pan.baidu.com/s/12-FvoO7TqJ43zUFDyROYtg)) SRDRM-GAN NPU/GPU Checkpoints: ([百度云链接，提取码：uuik](https://pan.baidu.com/s/12na1B9FIfJcu_rEmhNsotg)) 作者论文中提供的各项指标值为：训练以USR_8x数据集为例。 | | PSNR | SSIM | UIQM | | --------- | ----------------- | -------------- | -------------- | | SRDRM | 28.36/24.64/21.20 | 0.80/0.68/0.60 | 2.78/2.46/2.18 | | SRDRM-GAN | 28.55/24.62/20.25 | 0.81/0.69/0.61 | 2.77/2.48/2.17 | **(Average PSNR, SSIM, and UIQM scores for 2×/4×/8× SISR on USR-248 test set.)** ##### USR_8X
metrics PSNR SSIM UIQM
chip gpu npu gpu npu gpu npu
srdrm 22.74 23.70 0.63 0.63 2.28 2.26
srdrm-gan 21.49 21.40 0.58 0.58 2.97 2.95
### 性能对比 此处只展示srdrm与srdrm-gan模型在USR_8X数据集上的训练与测试结果。 完整log文件，请参考[百度网盘 提取码：hdmw](https://pan.baidu.com/s/1CsHpas23vPQDC0WqOJepyQ) #### 训练性能 ###### 1.SRDRM for USR_8x NPU性能log截图 ![image-20211013102523123](https://gitee.com/windclub/image_bed/raw/master/img/20211013102523.png) GPU性能log截图 ![image-20211013102301982](https://gitee.com/windclub/image_bed/raw/master/img/20211013102309.png) | 平台 | BatchSize | 训练性能(fps) | | :------: | :-------: | :-----------: | | NPU | 2 | 11.6 | | GPU V100 | 2 | 7.71 | srdrm模型NPU训练性能约为GPU训练性能的**1.5**倍。 ###### 2.SRDRM-GAN for USR_8x NPU性能log截图 ![image-20211128182123865](https://gitee.com/windclub/image_bed/raw/master/img/20211128182124.png) GPU性能log截图 ![image-20211128183855551](https://gitee.com/windclub/image_bed/raw/master/img/20211128183855.png) | 平台 | BatchSize | 训练性能(fps) | | :------: | :-------: | :------: | | NPU | 2 | 4.33 | | GPU V100 | 2 | 2.56 | srdrm-gan模型NPU训练性能约为GPU训练性能的**1.69**倍。