JalaliLabUCLA/Jalali-Lab-Implementation-of-RAISR

🧠 RAISR của Google, được Jalali Lab UCLA cài đặt bằng Python nhanh như tên lửa

RAISR (Rapid and Accurate Image Super Resolution) — thuật toán nâng phấn độ siêu rõ ảnh nhanh chóng của Google Research 2016.

Đây là bản cài đặt Python 3.x của thuật toán RAISR do Jalali Laboratory tại UCLA thực hiện, với sự hướng dẫn của GS Bahram Jalali và phát triển bởi Sifeng He. Kết quả đạt được chỉ thấp hơn ±0.1 dB so với Google — tương đương. Dự án dùng numba JIT để tăng tốc và đa xử lý (multi-processing) để tối ưu quá trình kiểm thử. Đã được kiểm thử trên GNU/Linux và macOS 10.13.2.

✨ Điểm nổi bật

• JIT numba: Biên dịch tĩnh tại thời gian chạy để tăng tốc mã Python.
• Đa xử lý: Tận dụng multi-processing để rút ngắn thời gian test.
• Pre-trained filters: Hỗ trợ các bộ lọc đã huấn luyện sẵn với hệ số tăng phóng x2, x3, x4.
• Hỗ trợ huấn luyện tùy chỉnh: Dùng Train.py để huấn luyện bộ lọc mới từ dữ liệu BSD 200 hoặc COCO.
• Kết quả tương đương Google: PSNR trong ±0.1 dB so với phiên bản gốc.
• Dễ sử dụng: Chỉ cần chạy python Train.py hoặc python Test.py.

💡 Vì sao đáng chú ý

Không chỉ là cổng dịch thuật, bản cài đặt này tối ưu hiệu năng thực sự bằng numba JIT và đa nhân. Huấn luyện trên BSD 200 mất ~20 phút, test mỗi ảnh dưới 1 giây — phù hợp cho nghiên cứu hoặc ứng dụng thực tế. Dự án phù hợp cho những người làm xử lý ảnh, AI siêu rão, hoặc nghiên cứu ứng dụng RAISR.

---

#RAISR #SuperResolution #ImageProcessing #Python #TiniX