VideoSuperResolution
0.6.4
最先進的視頻或單像超分辨率體系結構的集合，在TensorFlow中重新完成。
現在已上傳到PYPI。嘗試從PYPI安裝：
pip install VSR預驗證的重量正在上傳。
現在還包括一些引用的Pytorch實現。
快速鏈接：
超鏈接將導演到紙網站，如果作者開源，則遵循官方代碼。
所有這些模型均在一個框架中實現。
| 模型 | 出版 | 代碼* | VSR（TF）** | VSR（火炬） | 關鍵字 | 預估計 |
|---|---|---|---|---|---|---|
| srcnn | ECCV14 | - ，凱拉斯 | y | y | 凱明 | √ |
| raisr | arxiv | - | - | - | Google，像素3 | |
| ESPCN | CVPR16 | - ，凱拉斯 | y | y | 即時的 | √ |
| VDSR | CVPR16 | - | y | y | 深，殘留 | √ |
| drcn | CVPR16 | - | y | y | 經常性 | |
| drrn | CVPR17 | Caffe，Pytorch | y | y | 經常性 | |
| LAPSRN | CVPR17 | MATLAB | y | - | 休伯損失 | |
| EDSR | CVPR17 | - | y | y | NTIRE17冠軍 | √ |
| Srgan | CVPR17 | - | y | - | 第一個提議的甘 | |
| vespcn | CVPR17 | - | y | y | 影片 | √ |
| memnet | ICCV17 | 咖啡餅 | y | - | ||
| Srdensenet | ICCV17 | - ，Pytorch | y | - | 稠密 | √ |
| SPMC | ICCV17 | 張量 | t | y | 影片 | |
| dncnn | 提示17 | MATLAB | y | y | Denoise | √ |
| DCSCN | arxiv | 張量 | y | - | ||
| IDN | CVPR18 | 咖啡餅 | 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冠軍 | √ |
| ZSSR | CVPR18 | 張量 | - | - | 零射 | |
| FRVSR | CVPR18 | t | y | 影片 | √ | |
| DUF | CVPR18 | 張量 | t | - | 影片 | |
| 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 | 張量 | y | y | 甘 | |
| nlrn | NIPS18 | 張量 | t | - | 非本地，經常性 | |
| srcliquenet | NIPS18 | - | - | - | 小波 | |
| ffdnet | 提示18 | MATLAB | y | y | 有條件的denoise | |
| cbdnet | CVPR19 | MATLAB | t | - | 盲人 | |
| SOFVSR | ACCV18 | Pytorch | - | y | 影片 | √ |
| Esrgan | ECCVW18 | Pytorch | - | y | 第一名PIRM 2018 | √ |
| Tecogan | arxiv | 張量 | - | t | Videosr gan | √ |
| RBPN | CVPR19 | Pytorch | - | y | 影片 | √ |
| DPSR | CVPR19 | Pytorch | - | - | ||
| SRFBN | CVPR19 | Pytorch | - | - | ||
| srntt | CVPR19 | 張量 | - | - | Adobe | |
| 聖 | CVPR19 | 空的 | - | - | Alidamo Sota | |
| ADAFM | CVPR19 | Pytorch | - | - | 感覺時間口服 |
*第一倉庫是紙質作者。
** y ：包括； - ：不包括； t ：測試不足。
您可以通過prepare_data下載預訓練的權重，或以√訪問超鏈接。
（如果任何鏈接冒犯了您或任何一個禁用的鏈接，請與我聯繫）
| 姓名 | 用法 | ＃ | 地點 | 評論 |
|---|---|---|---|---|
| set5 | 測試 | 5 | 下載 | jbhuang0604 |
| set14 | 測試 | 14 | 下載 | jbhuang0604 |
| Sunhay80 | 測試 | 80 | 下載 | jbhuang0604 |
| Urban100 | 測試 | 100 | 下載 | jbhuang0604 |
| vid4 | 測試 | 4 | 下載 | 4個視頻 |
| BSD100 | 火車 | 300 | 下載 | jbhuang0604 |
| BSD300 | 火車/瓦爾 | 300 | 下載 | - |
| BSD500 | 火車/瓦爾 | 500 | 下載 | - |
| 91圖像 | 火車 | 91 | 下載 | 楊 |
| Div2k | 火車/瓦爾 | 900 | 網站 | NTIRE17 |
| 滑鐵盧 | 火車 | 4741 | 網站 | - |
| MCL-V | 火車 | 12 | 網站 | 12個視頻 |
| Gopro | 火車/瓦爾 | 33 | 網站 | 33個視頻，DeBlur |
| Celeba | 火車 | 202599 | 網站 | 人的面孔 |
| Sintel | 火車/瓦爾 | 35 | 網站 | 光流 |
| 飛行器 | 火車 | 22872 | 網站 | 光流 |
| DND | 測試 | 50 | 網站 | 真正的嘈雜照片 |
| 雷諾阿 | 火車 | 120 | 網站 | 真正的嘈雜照片 |
| NC | 測試 | 60 | 網站 | 嘈雜的照片 |
| sidd（m） | 火車/瓦爾 | 200 | 網站 | NTIRE 2019 REAL DENOISE |
| RSR | 火車/瓦爾 | 80 | 下載 | NTIRE 2019 REAL SR |
| Vimeo-90k | 火車/測試 | 89800 | 網站 | 90k總部視頻 |
其他開放數據集：Kaggle Imagenet可可
該軟件包提供了基於TF的培訓和數據處理框架。我製作的是一個簡單，易於使用的框架，沒有大量的封裝和抽象。此外，VSR可以處理原始的NV12/YUV以及一系列圖像作為輸入。
準備適當的TensorFlow和Pytorch（可選）。例如，GPU和CUDA10.0（建議使用conda ）：
conda install tensorflow-gpu==1.15.0
# optional
# conda install pytorch安裝VSR軟件包
# For someone see this doc online
# git clone https://github.com/loseall/VideoSuperResolution && cd VideoSuperResolution
pip install -e .下載預訓練的權重和（光學）培訓數據集。例如，讓我們從VESPCN和VID4測試數據開始：
python prepare_data.py --filter vespcn vid4自定義後端CD〜/ .VSR/ touch config.yml
backend : tensorflow # (tensorflow, pytorch)
verbose : info # (debug, info, warning, error)評價
cd Train
python eval.py srcnn -t vid4 --pretrain=/path/srcnn.pth火車
python prepare_data.py --filter mcl-v
cd Train
python train.py vespcn --dataset mcl-v --memory_limit 1GB --epochs 100好的，這就是您所需要的。有關更多詳細信息，請使用--help以獲取更多信息。
可以在文檔中找到更多文件。
