VideoSuperResolution
0.6.4
Tensorflowで再実装された、最先端のビデオまたはシングルイメージの超解像度アーキテクチャのコレクション。
プロジェクトは今すぐPypiにアップロードされています。 Pypiからインストールを試してみてください：
pip install VSR前処理された重量は今アップロードされています。
現在、いくつかの参照されたPytorchの実装も含まれています。
クイックリンク：
ハイパーリンクは紙サイトに向けられ、著者が情報源を開いた場合、公式コードに従います。
これらすべてのモデルは、 1つのフレームワークに実装されています。
| モデル | 公開 | コード* | VSR（TF）** | VSR（トーチ） | キーワード | 前処理 |
|---|---|---|---|---|---|---|
| srcnn | ECCV14 | - 、ケラス | y | y | カイミング | √ |
| raisr | arxiv | - | - | - | Google、Pixel 3 | |
| ESPCN | CVPR16 | - 、ケラス | y | y | リアルタイム | √ |
| VDSR | CVPR16 | - | y | y | 深い、残留 | √ |
| drcn | CVPR16 | - | y | y | 再発 | |
| drrn | CVPR17 | カフェ、ピトルチ | y | y | 再発 | |
| lapsrn | CVPR17 | マトラブ | y | - | ハーバーの損失 | |
| EDSR | CVPR17 | - | y | y | ntire17チャンピオン | √ |
| srgan | CVPR17 | - | y | - | 最初の提案ガン | |
| Vespcn | CVPR17 | - | y | y | Videosr | √ |
| メムネット | ICCV17 | カフェ | y | - | ||
| srdensenet | ICCV17 | - 、Pytorch | y | - | 密集 | √ |
| SPMC | ICCV17 | Tensorflow | t | y | Videosr | |
| dncnn | TIP17 | マトラブ | y | y | デノワーズ | √ |
| DCSCN | arxiv | Tensorflow | y | - | ||
| idn | CVPR18 | カフェ | y | - | 速い | √ |
| RDN | CVPR18 | トーチ | y | - | 深い、bi-bd-dn | |
| srmd | CVPR18 | マトラブ | - | y | denoise/deblur/sr | √ |
| dbpn | CVPR18 | Pytorch | y | y | ntire18チャンピオン | √ |
| ZSSR | CVPR18 | Tensorflow | - | - | ゼロショット | |
| frvsr | CVPR18 | t | y | Videosr | √ | |
| duf | CVPR18 | Tensorflow | t | - | Videosr | |
| カーン | ECCV18 | Pytorch | y | y | 速い | √ |
| rcan | ECCV18 | Pytorch | y | y | 深い、bi-bd-dn | |
| MSRN | ECCV18 | Pytorch | y | y | √ | |
| srfeat | ECCV18 | Tensorflow | y | y | ガン | |
| nlrn | NIPS18 | Tensorflow | t | - | 非局所、再発 | |
| srcliquenet | NIPS18 | - | - | - | ウェーブレット | |
| ffdnet | TIP18 | マトラブ | y | y | 条件付きデノワーズ | |
| cbdnet | CVPR19 | マトラブ | t | - | ブラインドデノワーズ | |
| sofvsr | ACCV18 | Pytorch | - | y | Videosr | √ |
| エスルガン | ECCVW18 | Pytorch | - | y | 1位PIRM 2018 | √ |
| テコガン | arxiv | Tensorflow | - | t | ビデオガン | √ |
| rbpn | CVPR19 | Pytorch | - | y | Videosr | √ |
| DPSR | CVPR19 | Pytorch | - | - | ||
| srfbn | CVPR19 | Pytorch | - | - | ||
| srntt | CVPR19 | Tensorflow | - | - | アドビ | |
| サン | CVPR19 | 空の | - | - | アリダモ・ソタ | |
| ADAFM | CVPR19 | Pytorch | - | - | センスタイムオーラル |
*最初のレポは紙の著者によるものです。
** y ：含まれています。 - ：含まれていません。 T ：テスト不足。
prepare_dataを介して事前に訓練された重量をダウンロードするか、 √のハイパーリンクにアクセスできます。
（リンクのいずれかがあなたまたは障害者を怒らせる場合は私に連絡してください）
| 名前 | 使用法 | ＃ | サイト | コメント |
|---|---|---|---|---|
| set5 | テスト | 5 | ダウンロード | JBHUANG0604 |
| Set14 | テスト | 14 | ダウンロード | JBHUANG0604 |
| Sunhay80 | テスト | 80 | ダウンロード | JBHUANG0604 |
| urban100 | テスト | 100 | ダウンロード | JBHUANG0604 |
| VID4 | テスト | 4 | ダウンロード | 4つのビデオ |
| BSD100 | 電車 | 300 | ダウンロード | JBHUANG0604 |
| BSD300 | トレイン/バル | 300 | ダウンロード | - |
| BSD500 | トレイン/バル | 500 | ダウンロード | - |
| 91イメージ | 電車 | 91 | ダウンロード | ヤン |
| div2k | トレイン/バル | 900 | Webサイト | ntire17 |
| ウォータールー | 電車 | 4741 | Webサイト | - |
| MCL-V | 電車 | 12 | Webサイト | 12のビデオ |
| gopro | トレイン/バル | 33 | Webサイト | 33ビデオ、Deblur |
| セレバ | 電車 | 202599 | Webサイト | 人間の顔 |
| シンテル | トレイン/バル | 35 | Webサイト | 光フロー |
| Flyingchairs | 電車 | 22872 | Webサイト | 光フロー |
| dnd | テスト | 50 | Webサイト | 本物の騒々しい写真 |
| ルノワール | 電車 | 120 | Webサイト | 本物の騒々しい写真 |
| NC | テスト | 60 | Webサイト | 騒々しい写真 |
| シド（m） | トレイン/バル | 200 | Webサイト | Ntire 2019リアルデノワーズ |
| RSR | トレイン/バル | 80 | ダウンロード | Ntire 2019 Real Sr |
| Vimeo-90k | 電車/テスト | 89800 | Webサイト | 90K HQビデオ |
その他のオープンデータセット：Kaggle Imagenet Coco
このパッケージは、TFに基づいたトレーニングおよびデータ処理フレームワークを提供します。私が作ったのは、多くのエンコー会や抽象化のないシンプルで使いやすいフレームワークです。さらに、VSRは、生のNV12/YUVと、入力としての一連の画像を処理できます。
適切なTensorflowとPytorch（オプション）を準備します。たとえば、GPUおよびCUDA10.0（ condaを使用することをお勧めします）：
conda install tensorflow-gpu==1.15.0
# optional
# conda install pytorchVSRパッケージをインストールします
# For someone see this doc online
# git clone https://github.com/loseall/VideoSuperResolution && cd VideoSuperResolution
pip install -e .事前に訓練されたウェイトと（ペラント）トレーニングデータセットをダウンロードします。たとえば、VESPCNおよびVID4テストデータから始めましょう。
python prepare_data.py --filter vespcn vid4バックエンドcd〜/ .vsr/ touch config.ymlをカスタマイズします
backend : tensorflow # (tensorflow, pytorch)
verbose : info # (debug, info, warning, error)評価する
cd Train
python eval.py srcnn -t vid4 --pretrain=/path/srcnn.pth電車
python prepare_data.py --filter mcl-v
cd Train
python train.py vespcn --dataset mcl-v --memory_limit 1GB --epochs 100わかりました、それはあなたが必要とするすべてです。詳細については、 --helpを使用して詳細情報を入手してください。
より多くのドキュメントはドキュメントにあります。
