Path: blob/master/site/ja/lite/models/super_resolution/overview.ipynb
25118 views
Kernel: Python 3
Copyright 2020 The TensorFlow Authors.
In [ ]:
TensorFlow Lite の超解像技術
概要
一般的に、低解像度の画像から高解像度 (HR) の画像を回復する作業は、Single Image Super Resolution (SISR) と呼ばれます。
ここで使用されるモデルは ESRGAN (ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks) です。TensorFlow Lite を使用して、あらかじめトレーニングされたモデルで推論を実行します。
TFLite モデルは、TF ハブでホスティングされているこの実装から変換されます。変換されたモデルは、50 x 50 の低解像度画像を 200 x 200 (倍率 4 倍) の高解像度画像にアップサンプリングします。別の入力サイズまたは倍率を使用する場合は、元のモデルを再変換するか、再トレーニングする必要があります。
MNIST モデルをビルドする
まず、必要なライブラリをインストールします。
In [ ]:
依存関係をインポートします。
In [ ]:
ESRGAN モデルをダウンロードして変換します。
In [ ]:
テスト画像 (昆虫の頭) をダウンロードします。
In [ ]:
TensorFlow Lite で超解像度画像を生成する
In [ ]:
結果を視覚化する
In [ ]:
パフォーマンスベンチマーク
パフォーマンスベンチマークの数値は、ここで説明するツールで生成されます。
モデル名 | モデルサイズ | デバイス | CPU | GPU |
---|---|---|---|---|
super resolution (ESRGAN) | 4.8 Mb | Pixel 3 | 586.8ms* | 128.6ms |
Pixel 4 | 385.1ms* | 130.3ms |
*{nbsp}4 スレッド使用