VideoSuperResolution

Видео супер -резолюция

Коллекция современных видео или однократных архитектур супер-разрешения, переосмысленная в Tensorflow.

Проект загружен в PYPI сейчас. Попробуйте установить из PYPI:

pip install VSR

Предварительные веса загружаются сейчас.

Несколько ссылок на реализации Pytorch также включены сейчас.

Быстрая ссылка:

• Установка
• Начиная
• Эталон

Список сети и ссылка (обновление)

Гиперсвязана направляет на бумажный сайт, следует официальным кодам, если авторы открывают источники.

Все эти модели реализованы в одной структуре.

Модель	Опубликовано	Код*	VSR (TF) **	VSR (факел)	Ключевые слова	Предварительно
Srcnn	ECCV14	-Керас	У	У	Каимингинг	√
Рейср	arxiv	-	-	-	Google, Pixel 3
ESPCN	CVPR16	-Керас	У	У	В реальном времени	√
VDSR	CVPR16	-	У	У	Глубокий, остаточный	√
Drcn	CVPR16	-	У	У	Повторяется
DRRN	CVPR17	Caffe, Pytorch	У	У	Повторяется
LAPSRN	CVPR17	Матлаб	У	-	Хубер Потеря
Edsr	CVPR17	-	У	У	NTIRE17 Чемпион	√
Срган	CVPR17	-	У	-	1 -й предложенный Ган
Vespcn	CVPR17	-	У	У	Видеоср	√
Мемт	ICCV17	Кофе	У	-
Srdensenet	ICCV17	-Pytorch	У	-	Плотный	√
SPMC	ICCV17	Tensorflow	Т	У	Видеоср
Dncnn	TIP17	Матлаб	У	У	Денуз	√
DCSCN	arxiv	Tensorflow	У	-
Идентификатор	CVPR18	Кофе	У	-	Быстрый	√
Rdn	CVPR18	Факел	У	-	Глубокий, би-бд-дн
Srmd	CVPR18	Матлаб	-	У	Denoise/deblur/sr	√
DBPN	CVPR18	Пирог	У	У	NTIRE18 Чемпион	√
Zssr	CVPR18	Tensorflow	-	-	Нулевой выстрел
FRVSR	CVPR18	PDF	Т	У	Видеоср	√
DUF	CVPR18	Tensorflow	Т	-	Видеоср
Карман	ECCV18	Пирог	У	У	Быстрый	√
Rcan	ECCV18	Пирог	У	У	Глубокий, би-бд-дн
MSRN	ECCV18	Пирог	У	У		√
Srfeat	ECCV18	Tensorflow	У	У	Ган
Nlrn	NIPS18	Tensorflow	Т	-	Нелокальный, повторяющийся
Srcliquenet	NIPS18	-	-	-	Вейвлет
Ffdnet	TIP18	Матлаб	У	У	Условная денуза
CBDNet	CVPR19	Матлаб	Т	-	Слепое деноуза
Sofvsr	ACCV18	Пирог	-	У	Видеоср	√
Эсрган	ECCVW18	Пирог	-	У	1 -е место PIRM 2018	√
Текоган	arxiv	Tensorflow	-	Т	Видеоср Ган	√
RBPN	CVPR19	Пирог	-	У	Видеоср	√
Dpsr	CVPR19	Пирог	-	-
Srfbn	CVPR19	Пирог	-	-
Srntt	CVPR19	Tensorflow	-	-	Салат
Сан -	CVPR19	пустой	-	-	Алидамо Сота
Адафм	CVPR19	Пирог	-	-	Sensetime Oral

*1 -й репо является автором бумаги.

** y : включено; - : не включено; Т : Недостаточное тестирование.

Вы можете скачать предварительно обученные веса через prepare_data или посетить гиперссылку при √ .

Ссылка наборов данных

(Пожалуйста, свяжитесь со мной, если какие -либо ссылки оскорбляют вас или кого -либо отключены)

Имя	Использование	#	Сайт	Комментарии
Set5	Тест	5	скачать	Jbhuang0604
Set14	Тест	14	скачать	Jbhuang0604
Sunhay80	Тест	80	скачать	Jbhuang0604
Urban100	Тест	100	скачать	Jbhuang0604
Vid4	Тест	4	скачать	4 видео
BSD100	Тренироваться	300	скачать	Jbhuang0604
BSD300	Поезд/val	300	скачать	-
BSD500	Поезд/val	500	скачать	-
91-изображение	Тренироваться	91	скачать	Ян
Div2k	Поезд/val	900	веб -сайт	NTIRE17
Ватерлоо	Тренироваться	4741	веб -сайт	-
MCL-V	Тренироваться	12	веб -сайт	12 видео
Готру	Поезд/val	33	веб -сайт	33 Видео, Деблур
Селеба	Тренироваться	202599	веб -сайт	Человеческие лица
Синдель	Поезд/val	35	веб -сайт	Оптический поток
Летающие чашки	Тренироваться	22872	веб -сайт	Оптический поток
DND	Тест	50	веб -сайт	Настоящие шумные фотографии
Ренуар	Тренироваться	120	веб -сайт	Настоящие шумные фотографии
Северо -запад	Тест	60	веб -сайт	Шумные фотографии
Сидд (м)	Поезд/val	200	веб -сайт	NTIRE 2019 Real Denoise
RSR	Поезд/val	80	скачать	NTIRE 2019 Real SR
Vimeo-90K	Поезд/тест	89800	веб -сайт	90K видео видео

Другие открытые наборы данных: Kaggle ImageNet Coco

VSR Package

Этот пакет предлагает структуру обучения и обработки данных на основе TF. То, что я сделал,-это простая, простая в использовании структуру без множества охватов и абстракций. Кроме того, VSR может обрабатывать необработанные NV12/YUV, а также последовательность изображений в качестве входных данных.

Установить

1. Подготовьте правильный тензорфлоу и pytorch (необязательно). Например, GPU и CUDA10.0 (рекомендовать использовать conda ):

   conda install tensorflow-gpu==1.15.0
   # optional
   # conda install pytorch

2. Установите пакет VSR

    # For someone see this doc online
   # git clone https://github.com/loseall/VideoSuperResolution && cd VideoSuperResolution
   pip install -e .

Начиная

1. Скачать предварительно обученные веса и (опции) обучающие наборы данных. Например, давайте начнем с тестовых данных VESPCN и VID4:

   python prepare_data.py --filter vespcn vid4

2. Настроить Backend CD ~/ .vsr/ touch config.yml

    backend : tensorflow  # (tensorflow, pytorch)
   verbose : info        # (debug, info, warning, error)

3. Оценивать

    cd Train
   python eval.py srcnn -t vid4 --pretrain=/path/srcnn.pth

4. Тренироваться

   python prepare_data.py --filter mcl-v
   cd Train
   python train.py vespcn --dataset mcl-v --memory_limit 1GB --epochs 100

Хорошо, это все, что вам нужно. Для получения более подробной информации, используйте --help , чтобы получить больше информации.

---

Больше документов можно найти в документах.