Real-ESRGAN
Real-ESRGAN 是由腾讯 ARC 实验室提出的一种旨在修复现实世界复杂退化图像的超分辨率算法。它通过改进传统生成对抗网络（GAN）的训练方式，利用二阶退化模型模拟真实图像中的模糊、噪声及压缩伪影，从而实现对低质量图像的自然重构。
- 核心特点：支持极高质量的图像细节增强与伪影消除，能够显著提升低分辨率图片的清晰度并还原纹理质感，广泛应用于老照片修复、视频增强、动漫高清化以及安防影像分析等领域。
- 版本说明：本案例采用 Real-ESRGAN_x4plus 模型。作为该家族中泛化能力最强的版本，它专门针对现实世界中的各种未知退化进行优化。在保持经典 RRDB 基础架构的同时，它通过更深层的特征提取能力，在图像清晰度与视觉真实感之间取得了卓越的平衡，是目前处理通用图像放大与修复任务的首选方案。
环境配置
需要提前配置好相关环境。
快速开始
下载模型文件
O6 / O6N
cd ai_model_hub_25_Q3/models/ComputeVision/Super_Resolution/onnx_real_esrgan
wget -O real_esrgan.cix https://www.modelscope.cn/models/cix/ai_model_hub_25_Q3/resolve/master/models/ComputeVision/Super_Resolution/onnx_real_esrgan/real_esrgan.cix
模型测试
信息
运行前激活虚拟环境！
O6 / O6N
python3 inference_npu.py
完整转换流程
下载模型文件
Linux PC
cd ai_model_hub_25_Q3/models/ComputeVision/Super_Resolution/onnx_real_esrgan/model
wget -O realesrgan-x4.onnx https://www.modelscope.cn/models/cix/ai_model_hub_25_Q3/resolve/master/models/ComputeVision/Super_Resolution/onnx_real_esrgan/model/realesrgan-x4.onnx
wget -O RealESRGAN_x4plus.pth https://www.modelscope.cn/models/cix/ai_model_hub_25_Q3/resolve/master/models/ComputeVision/Super_Resolution/onnx_real_esrgan/model/RealESRGAN_x4plus.pth
项目结构
├── cfg
├── datasets
├── inference_npu.py
├── inference_onnx.py
├── model
├── pytorch2onnx_x4.py
├── README.md
├── real_esrgan.cix
└── test_data
进行模型量化和转换
Linux PC
cd ..
cixbuild cfg/onnx_realesrganbuild.cfg
推送到板端
完成模型转换之后需要将 cix 模型文件推送到板端。
测试主机推理
运行推理脚本
Linux PC
python3 inference_onnx.py
模型推理结果
进行 NPU 部署
运行推理脚本
O6 / O6N
python3 inference_npu.py
模型运行结果
O6 / O6N
$ python3 inference_npu.py
npu: noe_init_context success
npu: noe_load_graph success
Input tensor count is 1.
Output tensor count is 1.
npu: noe_create_job success
npu: noe_clean_job success
npu: noe_unload_graph success
npu: noe_deinit_context success
