add ada20k process

README.md

@@ -28,14 +28,9 @@
 ```bash
 docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.13.1-centos7.6-dtk-23.04.1-py38-latest
 
-docker run -it -v /path/your_code_data/:/path/ your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
+docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
 
 cd /your_code_path/real-esrgan_pytorch
-# 推理和训练都用到了basicsr库
-pip install basicsr
-# facexlib 和 gfpgan 用于面部增强
-pip install facexlib
-pip install gfpgan
 pip install -r requirements.txt
 python setup.py develop
 ```
@@ -44,17 +39,11 @@ python setup.py develop
 
 ```bash
 cd ./docker
-cp ../requirements.txt requirements.txt
 
 docker build --no-cache -t real_esrgan:latest .
 docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
 
 cd /your_code_path/real-esrgan_pytorch
-# 推理和训练都用到了basicsr库
-pip install basicsr
-# facexlib 和 gfpgan 用于面部增强
-pip install facexlib
-pip install gfpgan
 pip install -r requirements.txt
 python setup.py develop
 ```
@@ -75,11 +64,6 @@ Tips：以上dtk软件栈、python、torch等DCU相关工具版本需要严格
 2、其他非特殊库直接按照下面步骤进行安装
 
 ```bash
-# 推理和训练都用到了basicsr库
-pip install basicsr
-# facexlib 和 gfpgan 用于面部增强
-pip install facexlib
-pip install gfpgan
 pip install -r requirements.txt
 python setup.py develop
 ```
@@ -95,8 +79,15 @@ python setup.py develop
 
 [OST](https://openmmlab.oss-cn-hangzhou.aliyuncs.com/datasets/OST_dataset.zip)
 
+[ADE20K](https://groups.csail.mit.edu/vision/datasets/ADE20K/)
+
+ADE20K数据需要预处理:
+
+```bash
+python gen_20k_val.py --root_path /path/of/ADE20K_2021_17_01 --save_path datasets/ADE20K_val
+```
 
-数据集的目录结构如下:
+据集的目录结构如下:
 
 ```bash
 ├── datasets
@@ -108,7 +99,11 @@ python setup.py develop
 │       └── meta_info # 生成的
 │   ├── OST
 │       ├── train_HR # 将OST的HR图像放于这里
-│       ├── train_HR_sub # 生成的
+│       ├── train_HR_sub 
+│   ├── ADE20K_2021_17_01
+│       ├── images
+│       ├── objects.txt
+│   ├── ADE20K_val # 生成的
 ```
 
 Tips: 项目提供了tiny_datasets进行快速上手测试, 如需使用tiny_datasets, 下面的数据路径需进行对应修改。
@@ -314,25 +309,32 @@ python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs --face_enhance
 ```
 
 ## result
-
+Model: RealESRGAN_x4plus
 <div align=center>
     <img src="./doc/00017_gray.jpg"/>
     <img src="./doc/00017_gray_out.jpg"/>
 </div>
 
 ### 精度
+本项目基于ADE20K公开数据集的val数据进行定性效果验证，首先需要对ADE20K val数据进行处理，得到处理后的结果图像（默认在results下）.
+
+```bash
+# 执行推理
+python inference_realesrgan.py --model_path weights/RealESRGAN_x4plus.pth -n RealESRGAN_x4plus -i dataset/ADE20K_val --face_enhance
+python evalution.py --root_path results
+```
 
-| NIQE | ADE20K val | OST300 |
-| :------: | :------: | :------: |
-| our | xxx | xxx |
-| paper | 3.7886 | 2.8659 |
+| NIQE | ADE20K val |
+| :------: | :------: |
+| V100S |  |
+| Z100L | 3.7886 |
 
 ## 应用场景
 ### 算法类别
 图像超分
 
 ### 热点应用行业
-交通,政府,工业
+交通,政府,制造
 
 ## 源码仓库及问题反馈
 https://developer.hpccube.com/codes/modelzoo/real-esrgan_pytorch

docker/Dockerfile

 FROM image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.13.1-centos7.6-dtk-23.04.1-py38-latest
 RUN source /opt/dtk/env.sh
-COPY requirements.txt requirements.txt
-RUN pip3 install -r requirements.txt

evalution.py

+import os
+import cv2
+import warnings
+import argparse
+
+from basicsr.metrics import calculate_niqe
+
+parser = argparse.ArgumentParser()
+parser.add_argument('--root_path', type=str, default='results')
+args = parser.parse_args()
+
+def main():
+    for imgname in os.listdir(args.root_path):
+        img_path = os.path.join(args.root_path, imgname)
+        # img_path = 'tests/data/baboon.png'
+        img = cv2.imread(img_path)
+        with warnings.catch_warnings():
+            warnings.simplefilter('ignore', category=RuntimeWarning)
+            niqe_result = calculate_niqe(img, 0, input_order='HWC', convert_to='y')
+        print(niqe_result)
+
+if __name__ == '__main__':
+    main()

gen_ada20k_val.py

+import os
+import shutil
+import argparse
+
+parser = argparse.ArgumentParser()
+parser.add_argument('--root_path', type=str, default='datasets/ADE20K_2021_17_01')
+parser.add_argument('--save_path', type=str, default='datasets/ADE20K_val')
+args = parser.parse_args()
+
+if __name__ == "__main__":
+    val_img_path = os.path.join(args.root_path, 'images/ADE/validation')
+    filenames = os.listdir(val_img_path)
+    os.makedirs(args.save_path, exist_ok=True)
+    
+    for filename in filenames:
+        file_path = os.path.join(val_img_path, filename)
+        if not os.path.isdir(file_path):
+            continue
+        child_files = os.listdir(file_path)
+        for cfile in child_files:
+            cfile_path = os.path.join(file_path, cfile)
+            if not os.path.isdir(cfile_path):
+                continue
+            imgnames = os.listdir(cfile_path)
+            for img_name in imgnames:
+                if not img_name.endswith('.jpg'):
+                    continue
+                source_path = os.path.join(cfile_path, img_name)
+                target_path = os.path.join(args.save_path, img_name)
+                print("move {} to {}".format(source_path, target_path))
+                shutil.move(source_path, target_path)
+                
+    print('### process end')

model.properties

@@ -3,8 +3,8 @@ modelCode=530
 # 模型名称
 modelName=real-esrgan_pytorch
 # 模型描述
-modelDescription=通过使用更实用的退化过程合成训练对, 扩展强大的ESRGAN以恢复一般的真实世界LR图像。
+modelDescription=通过使用更实用的退化过程合成训练图像对, 扩展强大的ESRGAN以恢复一般的真实世界LR图像。
 # 应用场景
-appScenario=推理,训练,图像超分,交通,政府,工业
+appScenario=推理,训练,图像超分,交通,政府,制造
 # 框架类型
 frameType=PyTorch

val.sh

 #!/bin/bash
+export HIP_VISIBLE_DEVICES=0
 
 python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs --face_enhance
\ No newline at end of file