https://github.com/thisisiron/dacon-sr
https://github.com/thisisiron/dacon-sr
Last synced: about 1 month ago
JSON representation
- Host: GitHub
- URL: https://github.com/thisisiron/dacon-sr
- Owner: thisisiron
- Created: 2022-10-17T02:39:14.000Z (over 2 years ago)
- Default Branch: main
- Last Pushed: 2022-10-28T13:15:52.000Z (over 2 years ago)
- Last Synced: 2025-03-28T11:43:19.292Z (about 2 months ago)
- Language: Python
- Size: 55.7 KB
- Stars: 3
- Watchers: 1
- Forks: 1
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Dacon AI-hub Super Resolution
## Description [[link]](https://dacon.io/competitions/official/235977/overview/description)
- Team: 오예!
- 구성원: gradient, Capshulization
- Score: **24.95184** (🥈 2nd)
## 개발 환경 및 라이브러리
- 개발 환경
```
Ubuntu version : 18.04
GPU : V100 (4개)
Cuda version : 11.1
Python version : 3.8
Pytorch version : 1.12.1
```
1. Code download
```
git clone https://github.com/thisisiron/dacon-sr.git
cd dacon-sr
```
2. 가상환경 구축 및 라이브러리 다운로드
```
pip install virtualenv
virtualenv dacon
source dacon/bin/activate
pip install -r requirements.txt
```
## Data Download & Image Preprocessing
1. Data download [[link]](https://dacon.io/competitions/official/235977/data)
```
├── dacon-sr
│ ├── open.zip
│ │
```
2. open.zip 압축 해제
```
unzip open.zip
```
- 압축 후 디렉토리 상태
```
├── dacon-sr
│ ├── train
│ │ ├── lr
│ │ ├── hr
│ ├── test
│ │ ├── lr
│ ├── train.csv
│ ├── test.csv
```
3. Image Preprocessing (Patch 만들기)
```
python preprocessing.py
```
- `./data/train`에서 `hr`과 `lr`에 설정한 옵션 디렉토리 밑에 npy 파일 생성
- 전처리 후 디렉토리 상태
```
├── dacon-sr
│ ├── data
│ │ ├── train
│ │ │ ├── lr
│ │ │ │ ├── p128x128_r512x512_s32x32
│ │ │ ├── hr
│ │ │ │ ├── p512x512_r2048x2048_s128x128
│ ├── train.csv
│ ├── test.csv
│ ├── train
│ ├── test
```
## Training
실행 명령어는 아래 Command를 참고해주세요
1. SwinIR + L1 Loss 학습 진행 (Epoch 34까지 진행, 해당 Epoch 근처 Test 성능 향상이 거의 없었음)
2. 1번에서 진행한 실험 weight를 이용하여 아래 두 가지 실험 진행
1. SwinIR + L1 Loss + L2 Loss (Epoch 5까지 진행)
2. SwinIR + L1 Loss + LR 1e-5 (Epoch 11까지 진행)
### Command
- EXP_NAME: experiments에 생성된 실험 디렉토리 (실행날짜 + name 옵션에 설정한 NAME으로 구성)
- Ex. `experiments/10051136_swinir_no-acti_epoch26_lr1e5`
- ckpt_NUM: 해당 실험 디렉토리에서 weight 아래에 있는 ckpt_NUM 디렉토리
- Ex. `10051136_swinir_no-acti_epoch26_lr1e5/weight/ckpt_10`
1. SwinIR + L1 Loss
```
python -m torch.distributed.run --nproc_per_node 4 main.py --gene swinir \
--cfg models/swinir.yaml \
--data p128x128_r512x512_s32x32 \
--data_hr p512x512_r2048x2048_s128x128 \
--batch 4 \
--name NAME
```
2. SwinIR + L1 Loss + L2 Loss (10:5)
```
python -m torch.distributed.run --nproc_per_node 4 main.py --gene swinir \
--cfg models/swinir.yaml \
--data p128x128_r512x512_s32x32 \
--data_hr p512x512_r2048x2048_s128x128 \
--batch 4 \
--lamb_l2 5 \
--weight experiments/EXP_NAME/weight/ckpt_NUM/gene \
--name NAME
```
3. SwinIR + L1 Loss + LR 1e-5
```
python -m torch.distributed.run --nproc_per_node 4 main.py --gene swinir \
--cfg models/swinir.yaml \
--data p128x128_r512x512_s32x32 \
--data_hr p512x512_r2048x2048_s128x128 \
--batch 4 \
--lr 1e-5
--weight experiments/EXP_NAME/weight/ckpt_NUM/gene \
--name EXP_NAME
```
## Inference
LR 512 이미지를 HR 2048로 예측 (LR 512 -> HR 2048)
```
python infer.py --img-size 2048 --stride 512 --batch 1 --weight experiments/EXP_NAME/weight/ckpt_NUM/gene
```
Model weight download [[link]](https://drive.google.com/drive/folders/10sDalvd7nDtGv_rqHvOa73__UlhEiXZK?usp=sharing)
## Ensemble
1. ensemble.ipynb 실행
2. 앙상블할 결과를 알맞게 subm_dirs 리스트에 작성
3. 앙상블 진행