VideoSuperResolution
0.6.4
最先进的视频或单像超分辨率体系结构的集合，在TensorFlow中重新完成。
现在已上传到PYPI。尝试从PYPI安装：
pip install VSR预验证的重量正在上传。
现在还包括一些引用的Pytorch实现。
快速链接：
超链接将导演到纸网站，如果作者开源，则遵循官方代码。
所有这些模型均在一个框架中实现。
| 模型 | 出版 | 代码* | VSR（TF）** | VSR（火炬） | 关键字 | 预估计 |
|---|---|---|---|---|---|---|
| srcnn | ECCV14 | - ，凯拉斯 | y | y | 凯明 | √ |
| raisr | arxiv | - | - | - | Google，像素3 | |
| ESPCN | CVPR16 | - ，凯拉斯 | y | y | 即时的 | √ |
| VDSR | CVPR16 | - | y | y | 深，残留 | √ |
| drcn | CVPR16 | - | y | y | 经常性 | |
| drrn | CVPR17 | Caffe，Pytorch | y | y | 经常性 | |
| LAPSRN | CVPR17 | MATLAB | y | - | 休伯损失 | |
| EDSR | CVPR17 | - | y | y | NTIRE17冠军 | √ |
| Srgan | CVPR17 | - | y | - | 第一个提议的甘 | |
| vespcn | CVPR17 | - | y | y | 视频 | √ |
| memnet | ICCV17 | 咖啡饼 | y | - | ||
| Srdensenet | ICCV17 | - ，Pytorch | y | - | 稠密 | √ |
| SPMC | ICCV17 | 张量 | t | y | 视频 | |
| dncnn | 提示17 | MATLAB | y | y | Denoise | √ |
| DCSCN | arxiv | 张量 | y | - | ||
| IDN | CVPR18 | 咖啡饼 | y | - | 快速地 | √ |
| RDN | CVPR18 | 火炬 | y | - | 深，bi-bd-dn | |
| srmd | CVPR18 | MATLAB | - | y | DENOISE/DEBLUR/SR | √ |
| DBPN | CVPR18 | Pytorch | y | y | NTIRE18冠军 | √ |
| ZSSR | CVPR18 | 张量 | - | - | 零射 | |
| FRVSR | CVPR18 | t | y | 视频 | √ | |
| DUF | CVPR18 | 张量 | t | - | 视频 | |
| 卡恩 | ECCV18 | Pytorch | y | y | 快速地 | √ |
| RCAN | ECCV18 | Pytorch | y | y | 深，bi-bd-dn | |
| MSRN | ECCV18 | Pytorch | y | y | √ | |
| srfeat | ECCV18 | 张量 | y | y | 甘 | |
| nlrn | NIPS18 | 张量 | t | - | 非本地，经常性 | |
| srcliquenet | NIPS18 | - | - | - | 小波 | |
| ffdnet | 提示18 | MATLAB | y | y | 有条件的denoise | |
| cbdnet | CVPR19 | MATLAB | t | - | 盲人 | |
| SOFVSR | ACCV18 | Pytorch | - | y | 视频 | √ |
| Esrgan | ECCVW18 | Pytorch | - | y | 第一名PIRM 2018 | √ |
| Tecogan | arxiv | 张量 | - | t | Videosr gan | √ |
| RBPN | CVPR19 | Pytorch | - | y | 视频 | √ |
| DPSR | CVPR19 | Pytorch | - | - | ||
| SRFBN | CVPR19 | Pytorch | - | - | ||
| srntt | CVPR19 | 张量 | - | - | Adobe | |
| 圣 | CVPR19 | 空的 | - | - | Alidamo Sota | |
| ADAFM | CVPR19 | Pytorch | - | - | 感觉时间口服 |
*第一仓库是纸质作者。
** y ：包括； - ：不包括； t ：测试不足。
您可以通过prepare_data下载预训练的权重，或以√访问超链接。
（如果任何链接冒犯了您或任何一个禁用的链接，请与我联系）
| 姓名 | 用法 | ＃ | 地点 | 评论 |
|---|---|---|---|---|
| set5 | 测试 | 5 | 下载 | jbhuang0604 |
| set14 | 测试 | 14 | 下载 | jbhuang0604 |
| Sunhay80 | 测试 | 80 | 下载 | jbhuang0604 |
| Urban100 | 测试 | 100 | 下载 | jbhuang0604 |
| vid4 | 测试 | 4 | 下载 | 4个视频 |
| BSD100 | 火车 | 300 | 下载 | jbhuang0604 |
| BSD300 | 火车/瓦尔 | 300 | 下载 | - |
| BSD500 | 火车/瓦尔 | 500 | 下载 | - |
| 91图像 | 火车 | 91 | 下载 | 杨 |
| Div2k | 火车/瓦尔 | 900 | 网站 | NTIRE17 |
| 滑铁卢 | 火车 | 4741 | 网站 | - |
| MCL-V | 火车 | 12 | 网站 | 12个视频 |
| Gopro | 火车/瓦尔 | 33 | 网站 | 33个视频，DeBlur |
| Celeba | 火车 | 202599 | 网站 | 人的面孔 |
| Sintel | 火车/瓦尔 | 35 | 网站 | 光流 |
| 飞行器 | 火车 | 22872 | 网站 | 光流 |
| DND | 测试 | 50 | 网站 | 真正的嘈杂照片 |
| 雷诺阿 | 火车 | 120 | 网站 | 真正的嘈杂照片 |
| NC | 测试 | 60 | 网站 | 嘈杂的照片 |
| sidd（m） | 火车/瓦尔 | 200 | 网站 | NTIRE 2019 REAL DENOISE |
| RSR | 火车/瓦尔 | 80 | 下载 | NTIRE 2019 REAL SR |
| Vimeo-90k | 火车/测试 | 89800 | 网站 | 90k总部视频 |
其他开放数据集：Kaggle Imagenet可可
该软件包提供了基于TF的培训和数据处理框架。我制作的是一个简单，易于使用的框架，没有大量的封装和抽象。此外，VSR可以处理原始的NV12/YUV以及一系列图像作为输入。
准备适当的TensorFlow和Pytorch（可选）。例如，GPU和CUDA10.0（建议使用conda ）：
conda install tensorflow-gpu==1.15.0
# optional
# conda install pytorch安装VSR软件包
# For someone see this doc online
# git clone https://github.com/loseall/VideoSuperResolution && cd VideoSuperResolution
pip install -e .下载预训练的权重和（光学）培训数据集。例如，让我们从VESPCN和VID4测试数据开始：
python prepare_data.py --filter vespcn vid4自定义后端CD〜/ .VSR/ touch config.yml
backend : tensorflow # (tensorflow, pytorch)
verbose : info # (debug, info, warning, error)评价
cd Train
python eval.py srcnn -t vid4 --pretrain=/path/srcnn.pth火车
python prepare_data.py --filter mcl-v
cd Train
python train.py vespcn --dataset mcl-v --memory_limit 1GB --epochs 100好的，这就是您所需要的。有关更多详细信息，请使用--help以获取更多信息。
可以在文档中找到更多文件。
