降水量データの超解像

このレポジトリは以下のレポジトリをフォークして作成しました．以下のレポジトリのREADMEを参照してください。

BasicSR

How to

環境構築

• このレポジトリ自身がモジュールであるので，各自の環境にinstallしてください

bash cd BasicSR_Rain pip install -e .

訓練の実行

1. データセットの準備

• 高解像度画像と低解像度画像のペアを用意し，それぞれ異なるディレクトリに保存してください．ディレクトリ構造の例は以下の通りです． ``` dataset ├── HR │ ├── train │ │ ├── 0001.npy │ │ ├── 0002.npy │ │ └── ... │ └── val │ ├── 0001.npy │ ├── 0002.npy │ └── ... └── LR ├── train │ ├── 0001.npy │ ├── 0002.npy │ └── ... └── val ├── 0001.npy ├── 0002.npy └── ...

  `` /data02/rito/workspace/SR/itoru/Data` にデータセットを保存していますので確認ください

1. yamlファイルの作成

• 超解像モデルのパラメータ・データセット・損失関数・最適化手法などの設定を行うためのyamlファイルの作成を行ってください．
• BasicSR_Rain/optins/train/SwinIR/train_SwinIR_SRx4_scratch.yml に設定ファイルを保存していますので確認ください
• 以下に設定ファイルの例を示します． ```yaml # general settings name: trainSwinIRSRx4scratchraind4PDF modeltype: SwinIRModel scale: 4 numgpu: auto manualseed: 0

# dataset and data loader settings datasets: train: name: Rain-Train type: PairedRainDataset datarootgt: ../../Data/HR/d4PDF/train datarootlq: ../../Data/LR/d4PDF/train filenametmpl: '{}' iobackend: type: disk

  gt_size: 64
  use_hflip: true
  use_rot: true

  # data loader
  num_worker_per_gpu: 6
  batch_size_per_gpu: 32
  dataset_enlarge_ratio: 1
  prefetch_mode: ~

  normalize:
    upper_bound: 20

```

1. 訓練の実行
2. BasicSR_Rain/basicsr/train.py のオプションに上記のyamlファイルを指定して訓練を実行してください．
3. 以下に訓練の実行例を示します． bash python3 train.py -opt ../options/train/SwinIR/train_SwinIR_SRx4_scratch.yml

上記の手順で訓練を実行すると，BasicSRRain/experiments/以下に訓練結果が保存されます． - modelsディレクトリ：モデルの重み - trainingstatusディレクトリ：ステータスが保存されます．（訓練のステータスを利用して途中から訓練を再開することも可能です．）

テストの実行

1. テストデータの準備

2. 訓練データと同様に高解像度画像と低解像度画像のペアを用意してください．

3. yamlファイルの作成

4. テスト時の設定を行うためのyamlファイルの作成を行ってください．

5. BasicSR_Rain/optins/test/SwinIR/test_swinir_x4.yml に設定ファイルを保存していますので確認ください

6. このファイルに学習したモデルの重みを指定してください．

7. 以下に設定ファイルの例を示します． ```yaml name: testSwinIRSRx4scratchraind4PDF modeltype: SwinIRModel scale: 4 numgpu: auto manualseed: 0

# dataset and data loader settings datasets: test1: name: Rain-Train type: PairedRainDataset datarootgt: ../../Data/HR/d4PDF/val datarootlq: ../../Data/LR/d4PDF/val filenametmpl: '{}' io_backend: type: disk

  normalize:
    upper_bound: 1

# network structures networkg: type: SwinIR upscale: 4 inchans: 1 imgsize: 16 windowsize: 8 imgrange: 1. depths: [6, 6, 6, 6, 6, 6] embeddim: 180 numheads: [6, 6, 6, 6, 6, 6] mlpratio: 2 upsampler: 'pixelshuffle' resi_connection: '1conv' ```

1. テストの実行
2. BasicSR_Rain/basicsr/test.py のオプションに上記のyamlファイルを指定してテストを実行してください．
3. 以下にテストの実行例を示します． bash python3 test.py -opt ../options/test/SwinIR/test_swinir_x4.yml 上記の手順でテストを実行すると，BasicSR_Rain/results/以下にテスト結果が保存されます．
4. visualizationディレクトリ：高解像度画像・低解像度画像・超解像画像の可視化画像
5. sr_npyディレクトリ：超解像画像のnumpyファイル