Места много не бывает! Мы увеличили дисковое пространство для SSD тарифов и снизили цены.



Друзья, мы неоднократно получали от вас просьбы о том, что было бы здорово увеличить объем дискового пространства для Linux SSD VPS. Мы понимали ваше желание и необходимость, но в тоже время мы знали, что это значительно увеличит наши расходы на инфраструктуру, так как помимо дискового пространства на VPS серверах, нам потребуется больше пространства и на серверах, где мы храним еженедельные резервные копии ваших VPS (напомню, что мы храним 4 копии за последние 3 дней с возможностью полного отката VPS либо извлечения отдельных файлов/баз).

Сегодня, после очередного обновления инфраструктуры, мы рады объявить об увеличении дискового пространства для SSD тарифов при сохранении прежней стоимости:
  • Linux SSD Lite 10GB => 20GB
  • Linux SSD Start 20GB => 30GB
  • Linux SSD Medium 30GB => 40GB
  • Linux SSD Premium 40GB => 50GB
  • Linux SSD Elite 50GB => 80GB
  • Linux SSD Exclusive — 100GB SSD (без изменений, но мы готовы добавить +20GB SSD при условии отказа от услуги еженедельного резервного копирования)

Но это еще не все. Мы значительно снизили цены на дополнительное дисковое пространство в виде дополнительной опции.
  • Было: 1 GB — 1$, 5 GB — 3$, 10GB — 5$
  • Стало: 1$ за 1 GB, 2$ за 5 GB, 3$ за 10 GB, 5$ за 20 GB, 10$ за 50 GB. Максимальный объем диска для VPS — 100GB при условии сохранения услуги бесплатного еженедельного резервного копирования. И до 500GB при условии отказа от еженедельного резервного копирования VPS.

Хочется поблагодарить тех клиентов, которые делятся с нами своими мыслями о том, как мы можем стать лучше. Для нас очень важна такая обратная связь. Будем рады вашим новым предложениям, которые могут сделать наше сотрудничество более комфортным и приятным.

С уважением,
команда Inferno Solutions
inferno.name

Готовы поднять инфраструктуру на следующий этап?



HOSTKEY развертывает процессоры AMD EPYC для клиентов, которым требуется высокая производительность в виртуализированных, высокопроизводительных вычислениях и параллельных рабочих нагрузках.

Надежное и мощное оборудование процессоров AMD EPYC 7281 и EPYC 7401P поддерживает интернет-решения и услуги для клиентов HOSTKEY


САНТА-КЛАРА, Калифорния, 2 апреля 2019 г. — Сегодня AMD (NASDAQ: AMD) и HOSTKEY, ведущая компания по облачным решениям, представляющая клиентов в Европе, России и Северной Америке, объявили о выпуске серверов на базе процессоров AMD EPYCTM для HOSTKEY. инфраструктуры. Это новое развертывание процессоров AMD EPYC предлагает дифференцированные функции, количество ядер, возможности подключения и пропускную способность памяти для клиентов HOSTKEY, работающих в виртуализированных средах и высокопроизводительных вычислительных рабочих нагрузках.

Новая платформа HOSTKEY использует 16-ядерные процессоры AMD EPYC 7281 и 24-ядерные EPYC 7401P, поставляемые на платформах Gigabyte, которые поддерживают до 8 каналов памяти RDIMM / LRDIMM DDR4 и 128 линий сверхбыстрой PCIe. Соединения Gen3 x4 для поддержки повышенного пользовательского спроса.

Процессоры AMD EPYC в конфигурации с одним или двумя сокетами позволяют HOSTKEY предоставлять нашим клиентам более широкий спектр услуг, расширяя имеющиеся возможности для удовлетворения их потребностей в обработке
Как ведущий поставщик услуг в тех регионах, которые мы поддерживаем, мы рады сотрудничеству с aleader в отрасли центров обработки данных AMD, чтобы обеспечить производительность AMD EPYC
сказал Антон Малина, глава Нидерландской инфраструктуры обработки данных.

Мы рады сотрудничеству с HOSTKEY и предоставляем своим клиентам доступ к процессорам AMD EPYC 7281 и EPYC 7401P. Эти серверы на базе процессоров AMD EPYC предоставляют клиентам HOSTKEY новый выбор для запуска виртуализированных рабочих нагрузок, высокопроизводительных вычислений или параллельной обработки, и в то же время испытывают отличное обслуживание и поддержку, ожидаемые от HOSTKEY
сказал Дэниел Баундс, старший директор Datacenter Solutions, AMD.

Как получить доступ к серверам AMD на HOSTKEY
Серверы на базе AMD EPYC теперь доступны в Нидерландах. Клиенты могут заказать свой сервер с выбранной конфигурацией на сайте компании HOSTKEY. Базовые серверы с процессором AMD EPYC 7281 с 32 ГБ ОЗУ и 2x240 ГБ SSD доступны по цене от 119 евро в месяц. Все серверы HOSTKEY поставляются с защитой от DDoS-атаки.

О AMD
Более 45 лет AMD внедряет инновации в высокопроизводительных вычислениях, технологиях графики и визуализации — строительных блоках для игр, иммерсивных платформ и центров обработки данных. Сотни миллионов потребителей, ведущих компаний из списка Fortune 500 и передовых научно-исследовательских учреждений по всему миру ежедневно используют технологии AMD для улучшения своей жизни, работы и игр. Сотрудники AMD по всему миру сосредоточены на создании великолепных продуктов, которые раздвигают границы возможного. Для получения дополнительной информации о том, как AMD поддерживает сегодня и вдохновляет завтра, посетите веб-сайт AMD (NASDAQ: AMD), блог, Facebook и Twitter.

hostkey.com
hostkey.ru

Selectel реализовал уникальный облачный проект в Москве



Selectel, провайдер ИТ-инфраструктурных решений для бизнеса, ввел в строй вторую очередь дата-центра «Берзарина». Новая площадка вмещает 350 серверных стоек и создана специально под облачные сервисы, на которые приходится более 85% выручки Selectel.

На новых площадях дата-центра «Берзарина» уже развернут ряд услуг Selectel, в том числе Выделенные серверы и Виртуальное приватное облако. Открыты возможности для организации частных облаков и гибридных клиентских инфраструктур. Здесь присутствует ряд клиентов провайдера, например, сервис заказа такси «Ситимобил» и медиагруппа «Актион-МЦФЭР». Следующим этапом станет запуск на площадке услуг Облако на базе VMware и Облачное хранилище.

Максим Семенихин, управляющий директор Selectel:
Selectel растет быстрее других игроков облачного рынка и вводит новые мощности в Москве, чтобы поддержать спрос. Мы гордимся смелыми технологическими решениями, воплощенными в этом проекте, — они выводят нас на новый уровень эффективности. Это позитивно отразится на стоимости облачных услуг для клиентов Selectel

Главная технологическая особенность второй очереди дата-центра «Берзарина» — использование прямого фрикулинга с адиабатическим доохлаждением воздуха. По сравнению с традиционными системами такая схема охлаждения потребляет до 80% меньше электроэнергии, затраты на которую составляют значительную часть операционных расходов дата-центра.

На новой площадке используются специально спроектированные стойки открытого типа емкостью в 52 юнита, они позволяют максимально эффективно использовать имеющееся пространство. Архитектурный проект и выверенные инженерные решения обеспечивают гибкий запуск объекта с доустановкой оборудования и наращиванием потребляемой энергомощности без негативного воздействия на уже эксплуатируемые системы. Схема поэтапного ввода позволяет оптимально распределить инвестиции.

Общая площадь второй очереди дата-центра «Берзарина» составляет 1,2 тыс квадратных метров, проектная мощность 2,5 мегаватта. Уровень надежности соответствует стандарту Tier III.

Профессионалы рынка признали сервис Selectel «Облаком года»



Стали известны лауреаты национальной премии «ЦОДы.РФ». Selectel, провайдер ИТ-инфраструктурных решений для бизнеса, победил в номинации «Облако года».

Лучшим из семи конкурирующих сервисов эксперты выбрали Облако Selectel на базе VMware, запущенное в апреле 2018 года. Продукт ориентирован на корпоративный сегмент и позволяет заказчикам быстро масштабировать их ИТ-инфраструктуру за пределами собственных дата-центров без капитальных и организационных затрат.

Облако на базе VMware использует гиперконвергентную архитектуру и открывает компаниям весь спектр технологий VMware. В нем применяется новейшее оборудование от Intel, Brocade, Juniper, HGST. Облако развернуто в дата-центрах Selectel в Москве, Санкт-Петербурге и Ленинградской области с использованием VMware Stretched vSAN™.

Александр Тугов, директор по развитию услуг Selectel:
Мы нацелены на применение в сервисах Selectel самых передовых решений и технологий. Это позволяет заказчикам максимально эффективно решать задачи бизнеса. Очень приятно, что профессионалы рынка видят это и высоко оценивают результаты нашей работы

Национальная премия «ЦОДы.РФ» — конкурс среди компаний и специалистов, работающих в российской отрасли дата-центров. Представители профессионального сообщества выбирают лучших из лучших путем честного и открытого голосования. В этом году на конкурс поступило 44 заявки в 10 номинациях. За проекты было отдано более 1200 голосов профессионалов рынка.

Selectel выиграл в конкурсе работодателей



Объявлены победители федеральной премии IT HR Awards. Selectel, провайдер ИТ-инфраструктурных решений для бизнеса, стал лучшим в номинации «Корпоративная культура в действии».

Компания представила на конкурс проект, направленный на улучшение качества работы сотрудников, выполнение ими не входящих в непосредственные обязанности задач, укрепление взаимовыручки. Эти профессиональные черты отражают корпоративные ценности Selectel.

Задача была решена в формате игры на корпоративном портале — Selectel Game. Игровая механика стимулировала сотрудников публично поощрять инициативы и признавать успехи коллег. Таким образом в команде повышалась общая и личная мотивация к качественной работе и эффективному взаимодействию.

Сейчас в игру Selectel Game вовлечено порядка 80% сотрудников. Многие из них стали лучше понимать ценность своей работы для компании и чаще предлагать помощь коллегам.

Другими важными результатами проекта стали улучшение коммуникации между подразделениями и рост удовлетворенности клиентов качеством обслуживания.

Надежда Курлат, директор по персоналу Selectel:
Привычка давать положительный фидбек делает атмосферу в команде Selectel еще более дружественной. Это особенно важно нам, как сервисной компании, поскольку внутренний климат влияет на то, как мы взаимодействуем с клиентами и партнерами

IT HR AWARDS — первая и единственная премия в России, которая отмечает достижения специалистов и HR-команд, реализующих проекты в области работы с персоналом в технологической сфере. Основная цель премии — сформировать новый стандарт в практике HR-менеджмента через освещение лучших кейсов и управление смыслами. Премия основана в 2016 году.

Максим Семенихин, Selectel: На облачные услуги приходится более 85% выручки

Провайдер ИТ-инфраструктурных решений для бизнеса Selectel открыл вторую очередь дата-центра «Берзарина» в Москве. Управляющий директор компании Максим Семенихин рассказал TelecomDaily о том, что такое модель coopetition и как растет спрос на инфраструктурные услуги «в одном окне».

Как вы позиционируете новый проект, чем он отличается от ваших предыдущих?

Аппаратные платформы облачных сервисов Selectel создаются на новейшем оборудовании, способном работать в расширенном температурном диапазоне. Учитывая это, при проектировании второй очереди дата-центра «Берзарина» мы приняли решение использовать систему охлаждения внешним воздухом (прямой фрикулинг) с адиабатическим доохлаждением.

По сравнению с традиционными решениями, такая схема охлаждения потребляет до 80% меньше электроэнергии, затраты на которую составляют значительную часть операционных расходов дата-центра. Высокая эффективность в эксплуатации в итоге снижает стоимость облачных услуг для наших клиентов.

На «Берзарина 2» уже развернут ряд сервисов облачной платформы Selectel, в том числе «Выделенные серверы» и «Виртуальное приватное облако». Открыты возможности для организации здесь частных облаков и гибридных клиентских инфраструктур. Следующим этапом станет запуск на площадке услуг «Облако на базе VMware» и «Облачное хранилище».

Аналитическое агентство IKS-Consulting назвало Selectel самым быстрорастущим провайдером на российском рынке IaaS по итогам 2018 года. Рост каких сервисов отметили бы вы сами?

Прошлый год был насыщенным и продуктивным в отношении развития бизнеса и реализованных проектов. Лучшая динамика роста на рынке — закономерный результат проделанной работы.

Наиболее динамично развиваются облачные услуги, на которые приходится уже более 85% выручки Selectel. Растут как хорошо знакомые рынку продукты, в которых нам нет равных (например, «Выделенные серверы»), так и новые — легко масштабируемое «Облако на базе VMware», «Облачный репозиторий Veeam Cloud Connect» для хранения резервных копий и другие.

Почти все последние новости о Selectel связаны с Москвой. Вы подчеркиваете, что это стратегический вектор развития компании.

На долю Москвы приходится, например, почти 70% российского рынка услуг дата-центров. Логично, что мы расширяем команду и активы в столице. Большое внимание уделяем развитию здесь партнерской сети компании.

Кто ваши клиенты на сегодняшний день? Какие выгоды несут им сервисы Selectel?

Сегодня Selectel обслуживает более 18 тысяч клиентов. Исторически мы выстраивали лидера в сегменте инфраструктурных решений для среднего и малого бизнеса, разработчиков и стартапов. Но сегодня мы видим растущий спрос на наши услуги от более крупных и консервативных организаций и все больше внимания уделяем работе с заказчиками корпоративного уровня.

Наше большое преимущество — в возможности предоставить полный спектр инфраструктурных услуг «в одном окне». При этом, аналитики TAdviser поставили Selectel на вторую строчку среди наиболее зрелых облачных провайдеров России. Наши сервисы отвечают самым высоким требованиям заказчиков в части автоматизации, гарантий доступности, производительности и безопасности.

До прихода в Selectel вы работали топ-менеджером в глобальном технологическом бизнесе — компании Red Hat. Какие особенности видите у российского облачного рынка?

Мне всегда было интересно работать на острие технологий, в наиболее динамичных компаниях. Так я оказался в Red Hat и именно поэтому работаю теперь в Selectel.

Сравнивая западные рынки с российским, я бы отметил значительную разрозненность последнего. Консолидация игроков только начинается, но она будет набирать обороты. Другая специфическая черта — ультрацентрализация вычислительных мощностей в Москве и Петербурге. Также следует отметить пока не сильное доверие брендам локальных провайдеров со стороны заказчиков. Но в целом российский облачный рынок следует глобальным трендам с относительно небольшой задержкой в пару лет.

Насколько наш рынок интересен гипероблачным провайдерам, что им могут противопоставить российские игроки?

Безусловно, интересен — все международные лидеры уже присутствуют здесь и ведут бизнес. У российского облачного рынка большой органический потенциал: доля России в мировом ВВП приблизительно в три раза выше доли российского облачного рынка в глобальном. Динамика его роста на десятки процентов ежегодно в течение последних нескольких лет подтверждает этот тезис.

Мы понимаем, что, например, в сегменте публичных облаков игроки из большой десятки американских и китайских технологических компаний в долгосрочной перспективе займут значительную долю. При этом, мы не мыслим в категориях противопоставления и действуем в модели coopetition, когда как конкурируем, так и сотрудничаем с глобальными провайдерами. В прошлом году мы открыли направление MultiCloud и стали российским партнером Amazon Web Services, Microsoft Azure, Google Cloud Platform и Alibaba Cloud. На платформах Selectel и четырех глобальных игроков мы создаем гибкие и отказоустойчивые инфраструктуры, обеспечивая нашим клиентам максимальный экономический эффект.

Новый ЦОД Selectel в Москве

Компания ввела в строй вторую очередь дата-центра «Берзарина». Новая площадка вмещает 350 серверных стоек и создана специально для облачных сервисов, на которые приходится более 85% выручки Selectel.

По сути, введенная в эксплуатацию площадка — новый ЦОД, расположенный на верхнем этаже пятиэтажного здания на северо-западе столицы. Этот дата-центр работает независимо от расположенного на втором этаже старого ЦОДа.

По-новому организована система охлаждения, в ней используется фрикулинг с секцией адиабатики. Холодный воздух забирается с одной стороны здания и проходит через очищающие фильтры. Внутрь помещения его нагнетают вентиляционные машины, имеющие дополнительные секции фильтрации. Из горячего коридора воздух выбрасывается с другой стороны здания вентиляторами. Часть горячего воздуха поступает через фальшпотолок в камеру смешения, что обеспечивает подачу в серверный зал воздуха с температурой 20°С и в холодное время года.

В случае жаркой погоды подключаются машины адиабатического охлаждения производства компании Munters. Для каждой из машин зарезервирован бак емкостью 900 л, который позволяет работать в течение 24 ч без долива воды. Всего планируется установить 10 машин, сейчас установлены три. Резервирование осуществляется по схеме N + 1. Суммарная производительность одной машины порядка 40 тыс. куб. м воздуха в час.

По сравнению с традиционными системами такая схема охлаждения потребляет до 80% меньше электроэнергии, затраты на которую составляют значительную часть операционных расходов дата-центра. По утверждению экспертов компании, проектный PUE второй очереди ЦОДа — 1,15.

На новых площадях дата-центра «Берзарина» установлены специально спроектированные стойки открытого типа с увеличенной высотой в 52U, позволяющие максимально эффективно использовать имеющееся пространство.

Общая площадь второй очереди дата-центра «Берзарина» составляет 1,2 тыс. кв. м, проектная мощность — 2,5 МВт. Уровень надежности соответствует стандарту Tier III.

На новых площадях дата-центра «Берзарина» уже развернут ряд услуг Selectel. Здесь присутствует ряд клиентов провайдера, например, сервис заказа такси «Ситимобил» и медиагруппа «Актион-МЦФЭР».

По оценке технического директора Selectel Кирилла Малеванова, значительная доля клиентов компании находится в столице. Новый ЦОД поможет уменьшить для них задержки при обращении к облаку Selectel, что особенно важно, если заказчик строит гибридное облако и создает резервную площадку корпоративного ЦОДа.

Selectel расширяет хранилища для облаков

Компания Selectel планирует инвестировать около 60 млн $ за два-три года в расширение сети дата-центров и разработку облачных сервисов. На московском рынке пока существует дефицит мощностей, который подтолкнул к расширению и другие компании, отмечают эксперты, ожидающие в ближайшее время также роста цен на аренду хранилищ.

Компания Selectel 20 марта вводит в эксплуатацию вторую очередь московского дата-центра «Берзарина», сообщил «Ъ» ее представитель. Инвестиции в проект составили около 5 млн $, уточняет он. Объект рассчитан на 350 специальных стойко-мест, его площадь составила 1,2 тыс. кв. м. Всего в течение двух-трех лет компания намерена вложить 30 млн $ в развитие сети дата-центров, чтобы ввести 1,5 тыс. новых стойко-мест и модернизировать существующие объекты. Еще 25 $–30 млн будет инвестировано в разработку облачных сервисов, говорят в Selectel.

В том числе благодаря запуску второй очереди дата-центра Selectel планирует за два года поднять выручку от облачных сервисов до 2,5 млрд руб., уточняет представитель компании. По итогам 2018 года эта выручка составила 1,3 млрд руб., что на 50% выше, чем годом ранее. Всего на облачные сервисы приходится более 85% выручки Selectel.

Selectel входит в пятерку крупнейших операторов центров обработки данных (ЦОД) в России по количеству стоек по предварительным результатам 2018 года, оценивает ведущий консультант iKS-Consulting Станислав Мирин. По результатам 2017 года по выручке компания занимала четвертое место с 6% на рынке услуг ЦОД.

В конце 2018 года на московском рынке качественных ЦОД наблюдался дефицит, который и подтолкнул компании к расширению, рассуждает господин Мирин. Кроме того, уже несколько других ЦОД заявили о планируемых расширениях в ближайшие годы, добавляет он: «Уже к концу 2019 года планируется ввод около 5 тыс. стойко-мест». Эти события заставили iKS-Consulting пересмотреть прогноз по динамике рынка. Если в прошлом году рост по итогам 2019 года ожидался примерно на 10%, то сейчас считается, что эти цифры будут превышены и рост достигнет 15%, рассказал Станислав Мирин.

Рынок ЦОД растет достаточно динамично, в год рост составляет 12–15%, развитию также способствует увеличение спроса на облачные сервисы, подтверждает руководитель сети дата-центров КРОК Павел Колмычек. Рынку коммерческих дата-центров помогают инициативы нацпроекта «Цифровая экономика» и цель достичь 5% хранения мировых данных на территории России к 2024 году, считает директор по облачным сервисам дата-центра Xelent Илья Рогов.

Пока же, по его словам, дефицит на рынке ЦОД сохраняется. Со временем нехватка хранилищ будет покрываться, однако строительство дата-центра по наиболее востребованному стандарту Tier III занимает несколько лет, указывает господин Рогов. «Операторы ЦОД достигли предела существующих площадок, и возможности вводить очередную порцию стоек сейчас практически ни у кого нет», — сетует Павел Колмычек. При сохранении низких цен операторам сложнее вернуть инвестиции в строительство новых площадок, указывает он. Скорее всего, рынок увидит ощутимый дефицит стоек к середине-концу 2019 года и сопутствующую корректировку уровня рыночной цены на стойко-места, а уже к середине-концу 2020 года можно ожидать ввода новых объектов в эксплуатацию, резюмирует господин Колмычек.

DDoS-GUARD и Selectel поставили на защиту Петербург



02 апреля 2019 года, Москва, Санкт-Петербург — Selectel, провайдер ИТ-инфраструктурных решений для бизнеса, и DDoS-GUARD, оператор связи и услуг по защите от DDoS-атак, совместно запустили узел фильтрации трафика. Он стал первой и единственной точкой в Петербурге, являющейся частью глобально распределенной фильтрующей сети.

Новый узел фильтрации расположен в дата-центре Selectel «Цветочная 2». Узел является разработкой компании DDoS-GUARD, которая занимается защитой от DDoS-атак с 2011 года и планомерно расширяет свою геораспределенную фильтрующую сеть.

Подключиться к узлу фильтрации могут как другие дата-центры, операторы связи, провайдеры и интеграторы, так и компании из других отраслей, которым критично важно защитить свои веб-ресурсы.

Это наш первый большой проект с DDoS-GUARD. Мы довольны его результатами и видим потенциал дальнейшей интеграции наших инфраструктур и услуг. Для Selectel это особенно актуально с учетом масштаба сети дата-центров и широты продуктовой линейки. Отдельно хочется отметить качество и высокую степень автоматизации сервисов DDoS-GUARD
Александр Тугов, директор по развитию услуг Selectel

Почему мы выбрали в качестве партнера именно Selectel? Потому что они делают ставку на современные технологии, не экономят на качестве услуг и всегда открыты для инноваций
Дмитрий Рудь, начальник отдела продаж DDoS-GUARD

В чем заключается выгода для клиентов?
Любой имеющий присутствие в дата-центре «Цветочная 2» заказчик может повысить надежность и отказоустойчивость собственных сервисов, оптимизировать маршруты трафика и снизить задержки на сети. Локальный трафик будет обработан непосредственно в Петербурге, без передачи на фильтрацию в другие регионы. Кроме того, петербургский узел соединен прямыми физическими каналами связи с узлами фильтрации в Москве и Амстердаме, что снижает нагрузку на каждый элемент сети.

Как работает решение?
Система фильтрации, частью которой является узел в Петербурге, способна вычислить и заблокировать DDoS-атаки на уровнях L3-L4 и L7 мощностью до 1,5 Tbps. Самообучаемая система работает в автоматическом режиме. Конечный пользователь получает уже очищенный трафик без задержек, при этом тарифицируется только легитимный трафик.

https://ddos-guard.net

Повышение разрешения изображения с помощью AI


Все мы помним, как часто в фильмах и сериалах кадры из сжатого видео увеличивают в несколько раз и получают чёткое изображение улики или человека в толпе. Мы подготовили для вас краткий перевод статьи, из которой вы сможете узнать, что такой трюк действительно возможен.

Увеличение разрешения изображения — задача по восстановлению фотографии с высоким разрешением из её аналога с низким разрешением. Алгоритмы с более быстрыми и глубокими свёрточными нейронными сетями демонстрируют впечатляющую точность и скорость. Но остаётся нерешённой существенная проблема: как восстановить мелкие детали текстуры при больших коэффициентах масштабирования. Цель последних работ в этой области — минимизация среднеквадратичной ошибки при реконструкции изображений, но в результатах при увеличении разрешения часто терялась точность воспроизведения.

В этой статье мы расскажем о SRGAN — генеративно-состязательной сети (Generative Adversarial Network, GAN) для повышения разрешения изображений (image superresolution). На сегодняшний день это первое решение, способное восстанавливать исходные текстуры из изображений, уменьшенных в четыре раза. Средняя экспертная оценка (MOS — mean opinion score) показывает значительный прирост качества при использовании SRGAN: результаты оказались близки к значениям оригинальных изображений с высоким разрешением, чего не удавалось достичь с помощью других современных методов. Вы сможете сами убедиться в этом, если после ознакомления с принципами работы SRGAN обучите нейросеть или же воспользуетесь готовой моделью.


1. Описание модели
Методы, направленные на качественное увеличение разрешения исходного изображения, называются super-resolution (SR). Мы рассмотрим работу с одним изображением (Single Image Super-Resolution, SISR) и не будем затрагивать тему восстанавливления высокого разрешения из нескольких снимков.

Первые подходы к решению проблемы SISR основывались на прогнозировании. Например, линейная фильтрация, бикубическая фильтрация, фильтрация Ланцоша. Эти методы работают быстро, но выдают решения с чрезмерно гладкими текстурами. Более мощные подходы нацелены на создание сложного отображения между снимками с низким (Low Resolution, LR) и высоким (High Resolution, HR) разрешением и обычно основаны на данных обучения. Такие методы полагаются на примеры пар LR-HR, то есть на те тренировочные шаблоны LR, для которых известны подходящие аналоги HR.

Более глубокие сетевые архитектуры сложнее обучить, однако они могут моделировать сложные отображения, а значит — существенно повысить точность реконструкции. Для эффективного обучения таких сетей часто используется пакетная нормализация, чтобы избежать внутреннего ковариационного сдвига. Глубокие сетевые архитектуры также увеличивают эффективность SISR.

Для многих подходов часто применяются попиксельные (pixel-wise) функции потерь (например, среднеквадратичная ошибка), которые пытаются справиться с неопределённостью при восстановлении текстуры изображения. Минимизация ошибки позволяет находить средние вероятностные решения для каждого пикселя, но они получаются слишком гладкими и, следовательно, имеют низкое качество восприятия, как показано на рисунке ниже. Основными критериями качества в задаче SR являются пиковое отношение сигнала к шуму (peak signal-to-noise ratio, PNSR) и индекс структурного сходства (structure similarity, SSIM), также указанные на рисунке.


Для решения проблемы сглаженных пикселей можно использовать генеративно-состязательные сети (GAN) и применять, например, функции потерь, основанные на евклидовых расстояниях, вычисленных в пространстве признаков нейронных сетей в сочетании с состязательным обучением. Также можно использовать признаки, извлечённые из предварительно обученной VGG (Visual Geometry Group) нейросети, формулируя функцию потерь как евклидово расстояние между картами этих признаков. Результаты, полученные с применением этих подходов, показали высокую эффективность как при работе с SR, так и при передаче художественного стиля (artistic style-transfer).

GAN обеспечивают мощную основу для создания правдоподобных SR-изображений с высоким качеством восприятия. В этой статье мы описываем глубокую архитектуру ResNet, использующую концепцию GAN для фотореалистичного SISR. Основные особенности:
  • увеличение разрешения изображения с высокими коэффициентами масштабирования (4x);
  • использование функции потерь восприятия (perceptual loss function), рассчитанной с помощью карт признаков VGG сети, которые более инвариантны к изменениям пикселей;
  • высокие результаты средней экспертной оценки MOS на общедоступных наборах данных.

2. Архитектура сети
Цель SISR — реконструировать изображение с высоким разрешением (SR) из входного изображения с низким разрешением (LR), которое является уменьшенной копией изначального снимка (HR). Изображения HR доступны только во время обучения, а LR создаются применением к ним фильтра Гаусса с последующей операцией понижения дискретизации (downsampling) и описываются с помощью действительного тензора.

Задача состоит в том, чтобы обучить генеративную функцию, которая для входного LR-изображения оценивает соответствующий HR аналог. Для этого мы обучаем GAN как cвёрточную нейронную сеть (convolutional neural network, CNN) прямого распространения с оптимизацией специфичной для SISR функции потерь восприятия.

Функция потерь восприятия генерируется как взвешенная комбинация нескольких компонентов, которые моделируют различные желаемые характеристики восстановленного SR-изображения.

Далее мы определяем дискриминаторную сеть (Discriminator Network, дискриминатор) и последовательно оптимизируем её вместе с генеративной сетью (генератором) для решения состязательной проблемы min-max. Общая идея заключается в том, чтобы обучить генеративную модель «обманывать» дискриминатор, который обучен отличать SR изображения от реальных. С помощью такого подхода генератор может научиться создавать решения, очень похожие на реальные изображения, и, следовательно, трудно классифицируемые дискриминатором.

В основе генеративной сети находятся B остаточных блоков с идентичной компоновкой. В каждом блоке находятся два свёрточных слоя с небольшими ядрами 3×3 и 64 картами признаков, за которыми расположены слои пакетной нормализации. В качестве функции активации используется PReLU (Parametric Rectified Linear Unit). Входное изображение увеличивается попиксельно с помощью двух свёрточных слоев.

Чтобы отличить реальные HR-снимки от сгенерированных образцов SR, необходимо обучить дискриминаторную сеть, используя функцию активации LeakyReLU и избегая формирования подвыборочных слоёв во всей нейросети. Дискриминаторная сеть содержит 8 свёрточных слоёв с возрастающим числом ядер фильтра 3×3 (с 64 до 512, каждый раз увеличиваясь в 2 раза, как в VGG сети). Пошаговые свёртки используются для уменьшения разрешения изображения каждый раз, когда число признаков удваивается. Полученные 512 карт признаков сопровождаются двумя плотными слоями и конечной сигмоидной функцией активации, чтобы получить вероятность классификации объекта.

Архитектуры обеих сетей показаны на рисунке.


3. Функция потерь восприятия
Определение функции потерь важно для эффективной работы генеративной сети. Обычно функция моделируется на основе среднеквадратичной ошибки, но в этой работе используется её улучшенный вариант. Мы оцениваем решение с учётом значимых характеристик восприятия — взвешенной суммы потерь содержания и состязательных потерь.

Потери содержания определяются на основе слоёв активации ReLU предварительно обученной VGG сети и определяются как евклидово расстояние между признаками восстановленного и опорного изображений.

Потери восприятия заставляют сеть отдавать предпочтение естественным изображениям, пытаясь обмануть дискриминатор. Они определяются на основе вероятности того, что восстановленное изображение является исходным HR-изображением.

4. Эксперименты
Эксперименты проводились на трёх широко используемых наборах данных Set5, Set14 и BSD100, тестовом наборе BSD300. Все опыты выполнены с коэффициентом 4x между снимками с низким и высоким разрешением. Это соответствует 16-кратному уменьшению пикселей изображения. Для достоверного сравнения все измеренные значения PSNR [дБ] и SSIM были рассчитаны на Y-канале с центральным кадрированием и удалением полосы шириной в 4 пикселя у каждой границы изображения.

Обучение проводилось на графическом процессоре NVIDIA Tesla M40 с использованием случайной выборки из 350 тысяч изображений, взятых из базы данных ImageNet. Изображения LR были получены путём понижения дискретизации HR-изображений (BGR) с использованием бикубического ядра.

Для каждого мини-пакета обрезаются 16 случайно выбранных частей HR-изображения с разрешением 96×96 (мы можем применить генеративную модель к снимкам произвольного размера, так как она полностью является свёрточной). Далее входные LR-изображения масштабируются в диапазоне [0, 1], а HR — в диапазоне [-1, 1]. Таким образом, потери среднеквадратичной ошибки рассчитываются в диапазоне интенсивностей [-1, 1].

Для оптимизации используется алгоритм Adam (adaptive moment estimation). В качестве инициализации при обучении сети GAN использовалась ранее обученная нейросеть SRResNet, чтобы избежать нежелательных локальных минимумов.

Все варианты SRGAN прошли обучение с 105 обновляемыми итерациями со скоростью обучения 10−4, и затем ещё с 105 итерациями с более низкой скоростью 10−5, при этом чередуя обновления для генеративной и дискриминаторной сети. Генеративная сеть имеет 16 идентичных (B=16) остаточных блоков. Во время тестирования обновления пакетной нормализации отключены, чтобы получить результат, зависящий только от исходных данных.

5. Оценка качества и результаты
Для количественной оценки способности различных подходов восстанавливать высокое разрешение изображений был выполнен тест MOS. В тесте участвовали 26 оценщиков; они присваивали балл от 1 (плохое качество) до 5 (отличное качество) восстановленным SR-изображениям. Калибровка проводилась на 20 парах изображений с низким и высоким разрешением из набора BSD300. Оценщики сравнили 12 версий каждого изображения из Set5, Set14 и BSD100 для различных упомянутых выше подходов SISR, а также для оригинальных HR-изображений. Каждый оценщик протестировал 1128 экземпляров (12 версий 19 изображений плюс 9 версий 100 изображений) в случайном порядке. Результаты показали хорошую надёжность и никаких существенных различий между оценками идентичных изображений, что продемонстрировано на рисунке ниже.


Качественные оценки потерь для различных методов на визуальном примере:


Количественные оценки:

Решение, основанное на среднеквадратичной ошибке, получает самое высокое значение PSNR, но при этом получается довольно гладким и менее убедительным, чем результаты, полученные с более чувствительным коэффициентом потерь.

Таким образом, эксперименты подтверждают, что SRGAN превосходит все существующие методы с большим отрывом и открывает новые возможности для создания фотореалистичных SR-изображений. Ниже приведены примеры обработки нескольких снимков.


6. Обучение собственной нейросети для SISR
Используя материалы из этой статьи, вы можете обучить свою нейросеть для получения изображений с высоким разрешением. Исходный код доступен на github. Для начала работы вам необходимо:

Подготовить данные и предварительно обученную нейросеть VGG
  • Загрузите предварительно обученную VGG сеть отсюда.
  • Подготовьте изображения с высоким разрешением для обучения.

В качестве эксперимента использовались изображения из соревнования DIV2K — bicubic downscaling x4 competition, поэтому параметры обучения в файле config.py установлены в соответствии с этим набором данных. Если ваш датасет будет больше, то вы можете уменьшить число эпох обучения.

Также можно использовать набор данных Yahoo MirFlickr25k, загрузив их прямо из main.py:
train_hr_imgs = tl.files.load_flickr25k_dataset(tag=None)

Если вы хотите использовать собственные изображения, укажите путь к папке с ними в файле
config.py с помощью config.TRAIN.hr_img_path

Запустить программу
Установите папку с изображениями в config. py (если вы используете датасет DIV2K — ничего не меняйте):
config.TRAIN.img_path = "your_image_folder/"
Ссылки на набор DIV2K: <a href="https://data.vision.ee.ethz.ch/cvl/DIV2K/validation_release/DIV2K_test_LR_bicubic_X4.zip">test_LR_bicubic_X4</a>, <a href="https://data.vision.ee.ethz.ch/cvl/DIV2K/DIV2K_train_HR.zip">train_HR</a>, <a href="https://data.vision.ee.ethz.ch/cvl/DIV2K/DIV2K_train_LR_bicubic_X4.zip">train_LR_bicubic_X4</a>, <a href="https://data.vision.ee.ethz.ch/cvl/DIV2K/validation_release/DIV2K_valid_HR.zip">valid_HR</a>, <a href="https://data.vision.ee.ethz.ch/cvl/DIV2K/DIV2K_valid_LR_bicubic_X4.zip">valid_LR_bicubic_X4</a>

Начните обучение:
python main.py

Начните оценку (можете воспользоваться предварительно обученной на DIV2K моделью):
python main.py --mode=evaluate

Теперь вы можете использовать нейросеть для восстановления высокого разрешения изображений.

Все, кто на практике воспользовался рекомендациями по обучению генеративно-состязательной нейросети, делитесь в комментариях результатами: было ли это просто или возникали сложности. Всегда готовы обсудить с вами все возникающие вопросы.

С оригинальной статьёй можно ознакомиться на портале arxiv.org.