ดาวน์โหลด EDVR - ดาวน์โหลดซอร์สโค้ด EDVR

EDVR

หลาม

1.0.0

ดาวน์โหลด

EDVR ถูกรวมเข้ากับ BasicSR แล้ว repo GitHub นี้เป็นกระจกเงาของ BasicSR แนะนำให้ใช้ BasicSR และปัญหาที่เปิดอยู่ คำขอดึงข้อมูล ฯลฯ ใน BasicSR

โปรดทราบว่าเวอร์ชันนี้เข้ากันไม่ได้กับเวอร์ชันก่อนหน้า หากคุณต้องการใช้อันก่อนหน้า โปรดดูที่สาขา old_version

พื้นฐานSR

อังกฤษ |简体中文 GitHub | Gitee码云

Google Colab: ลิงก์ GitHub | ลิงก์ Google ไดรฟ์
Ⓜ️ สวนสัตว์จำลอง ⏬ Google Drive: โมเดลที่ผ่านการฝึกอบรม | การทดลองซ้ำ ⏬ 百度网盘: 预训练模型|复现实验
- ชุดข้อมูล ⏬ Google Drive ⏬ 百度网盘 (提取码:basr)
- การฝึกเส้นโค้งด้วยไม้กายสิทธิ์
คำสั่งสำหรับการฝึกอบรมและการทดสอบ
⚡ ฮาวทู

BasicSR (การประมาณค่า Basic S uper R ) เป็นกล่องเครื่องมือ การกู้คืนรูปภาพและวิดีโอ แบบโอเพ่นซอร์สที่ใช้ PyTorch เช่น ความละเอียดขั้นสูง การลดขนาด การลบภาพเบลอ การลบสิ่งรบกวน JPEG เป็นต้น
_{(ESRGAN, EDVR, DNI, SFTGAN)} _{(HandyView, HandyFigure, HandyCrawler, HandyWriting)}

คุณสมบัติใหม่

29 พ.ย. 2020 เพิ่มการสาธิต colab ESRGAN และ DFDNet
8 ก.ย. 2020 เพิ่มรหัสอนุมาน การฟื้นฟูใบหน้าคนตาบอด : DFDNet
27 ส.ค. 2020 เพิ่มรหัส การฝึกอบรมและการทดสอบ StyleGAN2 : StyleGAN2

มากกว่า

8 ก.ย. 2020 เพิ่มรหัสอนุมาน การฟื้นฟูใบหน้าคนตาบอด : DFDNet
ECCV20: การฟื้นฟูใบหน้าคนตาบอดผ่านพจนานุกรมส่วนประกอบหลายระดับเชิงลึก
เสี่ยวหมิง ลี่, เฉาเฟิง เฉิน, ซางเฉิน โจว, เซียนฮุย หลิน, หวังเหมิง จั่ว และเล่ย จาง
27 ส.ค. 2020 เพิ่มโค้ดการฝึกอบรมและการทดสอบ StyleGAN2
CVPR20: การวิเคราะห์และปรับปรุงคุณภาพของภาพของ StyleGAN
เทโร คาร์ราส, ซามูลี เลน, มิก้า ไอตตาลา, ยานน์ เฮลสเตน, ยาคโก้ เลห์ติเนน และ ติโม ไอลา
19 ส.ค. 2020 BasicSR v1.0.0 ใหม่ล่าสุด ทางออนไลน์

⚡ ฮาวทู

เราจัดเตรียมไปป์ไลน์ง่ายๆ เพื่อฝึกฝน/ทดสอบ/อนุมานโมเดลเพื่อการเริ่มต้นอย่างรวดเร็ว ไปป์ไลน์/คำสั่งเหล่านี้ไม่สามารถครอบคลุมทุกกรณีได้ และรายละเอียดเพิ่มเติมอยู่ในส่วนต่อไปนี้

กัน
สไตล์GAN2	รถไฟ	การอนุมาน
การฟื้นฟูใบหน้า
ดีเอฟดีเน็ต	-	การอนุมาน
สุดยอดความละเอียด
เอสอาร์แกน	สิ่งที่ต้องทำ	สิ่งที่ต้องทำ	เอสอาร์แกน	สิ่งที่ต้องทำ	สิ่งที่ต้องทำ
อีดีเอสอาร์	สิ่งที่ต้องทำ	สิ่งที่ต้องทำ	SRResNet	สิ่งที่ต้องทำ	สิ่งที่ต้องทำ
อาร์แคน	สิ่งที่ต้องทำ	สิ่งที่ต้องทำ
อีดีวีอาร์	สิ่งที่ต้องทำ	สิ่งที่ต้องทำ	ดุฟ	-	สิ่งที่ต้องทำ
พื้นฐานVSR	สิ่งที่ต้องทำ	สิ่งที่ต้องทำ	ทีโอเอฟ	-	สิ่งที่ต้องทำ
กำลังลบภาพเบลอ
ดีเบลอร์ GANv2	-	สิ่งที่ต้องทำ
เดนัวส์
ริดเน็ต	-	สิ่งที่ต้องทำ	CBDNet	-	สิ่งที่ต้องทำ

- การพึ่งพาและการติดตั้ง

Python >= 3.7 (แนะนำให้ใช้ Anaconda หรือ Miniconda)
ไพทอร์ช >= 1.3
NVIDIA GPU + CUDA

โคลน repo

git clone https://github.com/xinntao/BasicSR.git

ติดตั้งแพ็คเกจที่ต้องพึ่งพา
```
 cd BasicSR
pip install -r requirements.txt
```
ติดตั้ง BasicSR
โปรดรันคำสั่งต่อไปนี้ใน พาธรากของ BasicSR เพื่อติดตั้ง BasicSR:
(ตรวจสอบให้แน่ใจว่าเวอร์ชัน GCC ของคุณ: gcc >= 5)
หากคุณไม่ต้องการส่วนขยาย cuda:
dcn สำหรับ EDVR
upfirdn2d และ fused_act สำหรับ StyleGAN2
โปรดเพิ่ม --no_cuda_ext เมื่อทำการติดตั้ง
```
python setup.py develop --no_cuda_ext
```
หากคุณใช้โมเดล EDVR และ StyleGAN2 จำเป็นต้องใช้ส่วนขยาย cuda ข้างต้น
```
python setup.py develop
```
คุณอาจต้องการระบุเส้นทาง CUDA:
```
CUDA_HOME=/usr/local/cuda 
CUDNN_INCLUDE_DIR=/usr/local/cuda 
CUDNN_LIB_DIR=/usr/local/cuda 
python setup.py develop
```

โปรดทราบว่า BasicSR ได้รับการทดสอบใน Ubuntu เท่านั้น และอาจไม่เหมาะกับ Windows คุณอาจลองใช้ Windows WSL พร้อม CUDA รองรับ :-) (ตอนนี้ใช้ได้เฉพาะกับรุ่นวงในที่มี Fast ring เท่านั้น)

⏳ รายการสิ่งที่ต้องทำ

โปรดดูบอร์ดโครงการ

- การเตรียมชุดข้อมูล

โปรดดู DatasetPreparation.md สำหรับรายละเอียดเพิ่มเติม
คำอธิบายของชุดข้อมูลที่รองรับในปัจจุบัน (คลาส torch.utils.data.Dataset ) อยู่ใน Datasets.md

ฝึกอบรมและทดสอบ

คำสั่งการฝึกอบรมและการทดสอบ : โปรดดู TrainTest.md สำหรับการใช้งานขั้นพื้นฐาน
ตัวเลือก/การกำหนดค่า : โปรดดูที่ Config.md
การบันทึก : โปรดดูที่ Logging.md

- สวนสัตว์จำลองและเส้นพื้นฐาน

คำอธิบายของรุ่นที่รองรับในปัจจุบันอยู่ใน Models.md
โมเดลที่ได้รับการฝึกอบรมล่วงหน้าและตัวอย่างบันทึก มีอยู่ใน ModelZoo.md
นอกจากนี้เรายังมี กราฟการฝึก ในรูปแบบไม้กายสิทธิ์:

การออกแบบและข้อตกลง Codebase

โปรดดู DesignConvention.md สำหรับการออกแบบและแบบแผนของโค้ดเบส BasicSR
รูปด้านล่างแสดงกรอบการทำงานโดยรวม คำอธิบายเพิ่มเติมสำหรับแต่ละองค์ประกอบ:
ชุดข้อมูล.md | Models.md | Config.md | Logging.md

โดยรวม_โครงสร้าง

ใบอนุญาตและการรับทราบ

โครงการนี้เผยแพร่ภายใต้ลิขสิทธิ์ Apache 2.0
รายละเอียดเพิ่มเติมเกี่ยวกับ ใบอนุญาต และ การรับทราบ อยู่ในใบอนุญาต

- การอ้างอิง

หาก BasicSR ช่วยคุณในการค้นคว้าหรืองานของคุณ โปรดพิจารณาอ้างอิง BasicSR
ต่อไปนี้เป็นข้อมูลอ้างอิง BibTeX รายการ BibTeX ต้องใช้แพ็คเกจ url LaTeX

@misc{wang2020basicsr,
  author =       {Xintao Wang and Ke Yu and Kelvin C.K. Chan and
                  Chao Dong and Chen Change Loy},
  title =        {BasicSR},
  howpublished = { url {https://github.com/xinntao/BasicSR}},
  year =         {2020}
}