模型实战（18）之C++ - tensorRT部署GAN模型实现人脸超分辨重建

已于 2023-12-21 23:04:25 修改
阅读量727 收藏 4
点赞数
CC 4.0 BY-SA版权
分类专栏： # 深度学习实战例程 文章标签： c++ 生成对抗网络 人工智能 神经网络 visualstudio
于 2023-12-21 23:03:50 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/yohnyang/article/details/135142163

模型实战（18）之C++ - tensorRT部署GAN模型实现人脸超分辨重建

  • 一个实现人脸超分辨率重建的demo
  • 支持StyleGAN: GPEN or GFPGAN
  • 通过C++ - tensorrt 快速部署，推理速度每帧 在RTX3090上5.5ms+，RTX3050上10ms+
  • 下边是实现效果（图片来源于网络search，如若侵权，联系删除）
    在这里插入图片描述
  • 下边给出实现步骤：

1. 模型转换

了解本专栏 订阅专栏 解锁全文
推理图像超分辨率网络
认真努力，做一只会飞的毛毛虫。
08-29 2206
怎么样，是不是感觉还不错呢。我们能够选择的有两条路线实现C++的部署： 1）onnx + 多线程：这种方法适用于多种框架，比如ncnn。但是无法将N卡性能完全发挥出来。 2）用Trt的engine文件推理。该方法不仅可以做到C++推理，还可以将N卡的性能最大限度的 项目代码的环境和mmdetection2.17所用环境一致，验证命令为：显存不是特别大的朋友，tile参数是必须得设置的。
MATLAB算法实战应用案例精讲-【图像处理】小目标检测（附matlab代码实现）
qq_36130719的博客
01-13 4950
现有的小目标定义方式主要分为以下两类，即基于相对尺度的定义与基于绝对尺度的定义。(1)基于相对尺度即从目标与图像的相对比例这一角度考虑来对小目标进行定义。Chen[1]等对小目标做了如下定义：同一类别中所有目标实例的相对面积，即边界框面积与图像面积之比的中位数在0.08%~0.58%之间。除此以外，较为常见的还有以下几种：①目标边界框的宽高与图像的宽高比例小于一定值，较为通用的比例值为0.1；②目标边界框面积与图像面积的比值开方小于一定值，较为通用的值为0.03；
智能老旧模糊照片修复——C++实现GFPGAN模型推理
知来者逆的博客
02-09 3442
老旧照片修复，基于深度学习，C++实现模型部署
onnx转tensorrt序列化文件，并使用tensorrt来推理（以卡通人物生成GAN模型为例）
weixin_39566143的博客
01-07 1733
首先使用自己喜欢的深度学习框架训练一个模型，并把模型保存为onnx格式（我使用的pytorch，使用torch.onnx.export函数即可导出onnx，具体操作可以看官网链接torch.onnx。我这里使用GAN训练了一个卡通头像生成模型，像下面这样 tensorrt等环境安装就不说了，想使用tensorrt来推理，首先要将文件格式转化了tensorrt支持的格式，好在官方提供了转化的程序trtexec，一般在tensorrt安装目录的bin子目录下，然后使用下面的语句来转化模型 trtexec .
人脸高清算法GFPGAN之TensorRT推理
qq_33221533的博客
03-01 3154
人脸高清模型GFPGAN的TensorRT推理
facenet人脸检测+人脸识别+性别识别+表情识别+年龄识别的C++部署
qq_23022733的博客
04-16 1963
TAO工具包基于TensorFlow和PyTorch构建，采用了迁移学习的技术，可以将用户自己的模型或预训练模型与实际或合成数据进行适配，并针对目标平台进行推理吞吐量的优化，从而使整个训练过程变得更加简单、高效。TAO工具包的使用不需要专业的人工智能知识或大量的训练数据集，因此，它可以帮助更多的人轻松进入深度学习的领域，快速实现各种应用场景。运行环境：Tensorflow。运行环境：TensorRT。运行环境：TensorRT。运行环境：TensorRT。运行环境：TensorRT。
TensorRT概述
zoechch888的博客
01-26 251
简介 1.Docker - 在Nvidia Jetson nano 上執行jetson inference 2.在Nvidia Jetson nano 上執行jetson inference 先前有写两篇文章有使用使用NVIDIA TensorRT布署到Jetson platform,所以这阵子陆续搜集了一些TensorRT的资料,此篇纯粹写来记录一下这阵子整理 NVIDIA TensorRT的一些重点资讯。 教学开始 TensorRT 是 Nvidia 提出的深度学习推论平台,TensorRT
C++实现超分辨率重建 ESRGAN (一) 数据池
juebai123的博客
03-19 1362
本来还想实现下 AdaIN 风格转换中的`-preserveColor`选项（保留内容图像的颜色） 但是一看 coral 函数太复杂，吓倒我了，以后再说吧。 看到《ESRGAN-master》有两个测试模型下载:"RRDB_ESRGAN_x4.pth","RRDB_PSNR_x4.pth"，试试这个吧。 ESRGAN（增强型SRGAN）(增强型超分辨率生成对抗网络) 在[PIRM2018-SR...
libtorch c++复现cycle gan网络
一千零一夜的博客
01-10 1350
libtorch c++实现cycle gan深度学习网络，用于图像风格变换、图像分割、深度估计、提取图像边缘
AI美颜模型设计与部署：肤色识别、瑕疵修复与轮廓优化
努力分享一些人工智能、计算机视觉、影像等相关的知识干货！
07-04 907
AI 美颜技术已成为智能手机相机系统中的核心能力模块之一，从传统滤镜算法发展为基于深度学习的人脸分析与图像重建系统。当前主流 AI 美颜方案已涵盖肤色智能调节、痘印去除、毛孔平滑、面部轮廓重构等多个子任务，且要求具备端侧实时推理性能与自然视觉体验。本文系统解析 AI 美颜模型的关键子模块设计逻辑、训练范式与部署策略，结合实际工程案例，深入剖析当前移动端美颜算法在模型架构选择、输入输出组织、平台推理优化等方面的工程实现路径，并对未来美学驱动 + 语义理解融合方向进行展望。
MATLAB算法实战应用案例精讲-【图像处理】缺陷检测（补充篇）（附matlab实现代码）
qq_36130719的博客
12-15 6057
差异模型（Variation Model）使用标准图像与待检测图像灰度值相比较，来判断产品是否OK，适用于印刷品检测及产品表面检测。
超分辨率图像重建算法：传统插值与 AI 上采样方法的性能对比与移动端实践
最新发布
努力分享一些人工智能、计算机视觉、影像等相关的知识干货！
07-04 796
图像超分辨率技术（Super-Resolution, SR）是提升图像清晰度和细节表现力的核心路径之一，尤其在手机相机系统中，SR 不仅应用于照片清晰化，也服务于低照度拍摄、数码变焦补偿等关键场景。本文系统对比传统插值方法（如 Bicubic）与当前主流 AI 上采样模型（如 ESPCN、EDSR、Real-ESRGAN）在图像质量、处理延迟与端侧部署能力方面的差异，并结合手机平台 NPU/GPU 实战案例展开性能分析，为工程落地提供实用方案。
VSGAN-tensorrt-docker：视频处理的黑科技
gitblog_00861的博客
08-18 384
VSGAN-tensorrt-docker：视频处理的黑科技 项目介绍 VSGAN-tensorrt-docker 是一个开源项目，旨在利用超分辨率模型和视频帧插值模型，并通过TensorRT加速这些模型的推理速度。该项目不仅提供了最快的推理代码，还不断尝试添加新的模型架构以支持更多的应用场景。 项目技术分析 该项目整合了多种先进的深度学习模型，如Rife、RealCUGAN、GMFupSS等，并...
itk registration 2
fanre的专栏
10-18 413
参考：https://itk.org/ITKSoftwareGuide/html/Book2/ITKSoftwareGuide-Book2ch3.html#x26-1740003.18 3.2 “hello world”配准 https://github.com/InsightSoftwareConsortium/ITK/blob/master/Examples/RegistrationITKv4/ImageRegistration1.cxx #include "itkImageRegist..
c++ 生成一张图片_如何应用TFGAN快速实践生成对抗网络？
weixin_33513255的博客
01-20 328
如何应用TFGAN快速实践生成对抗网络？编辑｜DebraAI 前线导读：生成对抗网络(Generative Adversarial Nets ，GAN)目前已广泛应用于图像生成、超分辨率图片生成、图像压缩、图像风格转换、数据增强、文本生成等场景。越来越多的研发人员从事 GAN 网络的研究，提出了各种 GAN 模型的变种，包括 CGAN、InfoGAN、WGAN、CycleGAN 等。为了更容易地应...
32位C++改编 对抗(SRGAN)之生成(generator)超分辨重建 ---（一）内存数据
juebai123的博客
11-15 621
前面准备工作已做得差不多了，现在开始 原始框图：   实现框图： 上图中的双三次放大是没有的，图像就不重发了（或者等有空再重发吧）。 定义基本单位： struct 基本单位//残差块半层数据 { 层数据 *卷积层; bool 有无BatchNorm_beta; int 归一化长度; //gamma 缩放 为固定值 1.0 float * BatchNo...
GFGAN模型加速
风一样的少年
03-11 650
最近在使用sadTalker的时候，发现视频增强环节异常的慢，30秒的视频需要耗时16min左右，极大的影响体验，于是想通过多进程、多线程、tensorrt、onnx等方式加速。这个项目也是有限制的，他的输出是512*512的，所以你肯定得不到长方形的图片，如果你想得到长方形图片，只能用拼接的方式。我们可以提前将图片存储在一个文件中，然后用这个工程批处理图片，这样可以一定程度上减少在python代码中的耗时。这个项目安装和使用也很简单，这个项目的readme也都写了。614809646 qq群->
超分辨率(1)--基于GAN实现图像超分辨率重建
GodFishhh的博客
03-06 7837
基于GAN网络实现图像超分辨率重建流程详解
【模型加速】TensorRT详解
Roaddd的博客
12-24 5130
■ TensorRT概述        NVIDIA®TensorRT™的核心是一个C++库，可以促进在NVIDIA图形处理单元（GPU）上的高性能推断。它旨在与Tensorflow、Caffe、Pytorch、MXNet等深度学习训练框架以互补的方式工作。它专注于在GPU上快速有地运行已经训练过的网络，以便生成结果（在各个地方称为评分、检测、回归或推理的过程）。       &
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

明月醉窗台

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值