EDVR下载 - EDVR源码下载

EDVR

Python

1.0.0

下载

EDVR 已合并到 BasicSR 中。这个 GitHub 存储库是 BasicSR 的镜像。推荐使用BasicSR，并在BasicSR中打开问题、拉取请求等。

请注意，此版本与以前的版本不兼容。如果你想使用以前的版本，请参考old_version分支。

基本SR

English |简体中文 GitHub | Gitee码云

Google Colab：GitHub 链接|谷歌云端硬盘链接
Ⓜ️ Model Zoo ⏬ Google Drive：预训练模型|重现实验⏬百度网盘：预训练模型|复现实验
？数据集 ⏬ Google Drive ⏬ 百度网盘 (提取码:basr)
？ wandb 中的训练曲线
训练和测试命令
⚡ 操作方法

BasicSR（ Basic S uper Restoration ）是一个基于PyTorch的开源图像和视频修复工具箱，如超分辨率、去噪、去模糊、JPEG伪影去除等。
_{（ESRGAN、EDVR、DNI、SFTGAN）} _{（HandyView、HandyFigure、HandyCrawler、HandyWriting）}

新功能

2020 年 11 月 29 日。添加ESRGAN和DFDNet colab 演示。
2020年9月8日。添加盲人脸恢复推理代码：DFDNet。
2020年8月27日。添加StyleGAN2训练和测试代码：StyleGAN2。

更多的

2020年9月8日。添加盲人脸恢复推理代码： DFDNet 。
ECCV20：通过深度多尺度分量字典进行盲脸恢复
李晓明、陈超峰、周尚辰、林贤慧、左旺猛、张雷
2020年8月27日。添加StyleGAN2训练和测试代码。
CVPR20：分析和提高 StyleGAN 的图像质量
特罗·卡拉斯、萨穆利·莱恩、米卡·艾塔拉、珍妮·赫尔斯滕、雅科·莱赫蒂宁和蒂莫·艾拉
2020年8月19日，全新BasicSR v1.0.0上线。

⚡ 操作方法

我们提供简单的管道来训练/测试/推理模型以快速启动。这些管道/命令无法涵盖所有情况，更多详细信息将在以下部分中提供。

生成网络
样式GAN2	火车	推理
面部修复
DFD网络	-	推理
超分辨率
ESRGAN	待办事项	待办事项	SRGAN	待办事项	待办事项
EDSR	待办事项	待办事项	SRResNet	待办事项	待办事项
远程控制器网络	待办事项	待办事项
EDVR	待办事项	待办事项	杜夫	-	待办事项
基本振动时效	待办事项	待办事项	飞行时间	-	待办事项
去模糊
去模糊GANv2	-	待办事项
去噪
RID网络	-	待办事项	CBD网络	-	待办事项

？依赖关系和安装

Python >= 3.7 (推荐使用 Anaconda 或 Miniconda)
PyTorch >= 1.3
英伟达 GPU + CUDA

克隆仓库

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

安装依赖包

 cd BasicSR
pip install -r requirements.txt

安装基本SR
请在BasicSR根路径中运行以下命令来安装BasicSR：
（确保您的 GCC 版本：gcc >= 5）
如果您不需要 cuda 扩展：
EDVR 的DCN
StyleGAN2 的upfirdn2d和fused_act
安装时请添加--no_cuda_ext
```
python setup.py develop --no_cuda_ext
```
如果使用EDVR和StyleGAN2模型，则需要上述cuda扩展。
```
python setup.py develop
```
您可能还想指定 CUDA 路径：
```
CUDA_HOME=/usr/local/cuda 
CUDNN_INCLUDE_DIR=/usr/local/cuda 
CUDNN_LIB_DIR=/usr/local/cuda 
python setup.py develop
```

请注意，BasicSR 仅在 Ubuntu 中进行了测试，可能不适用于 Windows。您可以尝试支持 CUDA 的 Windows WSL :-)（现在仅适用于使用快速环的内部构建）。

⏳ 待办事项清单

请参阅项目板。

？数据集准备

更多详情请参考DatasetPreparation.md 。
当前支持的数据集（ torch.utils.data.Dataset类）的描述位于 Datasets.md 中。

训练和测试

训练和测试命令：基本用法请参见TrainTest.md 。
选项/配置：请参阅Config.md。
日志记录：请参阅Logging.md。

？模型动物园和基线

当前支持的模型的描述位于 Models.md 中。
ModelZoo.md中提供了预训练模型和日志示例。
我们还在wandb中提供了训练曲线：

代码库设计和约定

请参阅 DesignConvention.md 了解 BasicSR 代码库的设计和约定。
下图展示了整体框架。每个组件的更多描述：
数据集.md |模型.md |配置.md |日志记录.md

总体结构

许可和确认

该项目是在 Apache 2.0 许可证下发布的。
有关许可证和确认的更多详细信息，请参阅许可证。

？引文

如果 BasicSR 对您的研究或工作有帮助，请考虑引用 BasicSR。
以下是 BibTeX 参考资料。 BibTeX 条目需要url LaTeX 包。

@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}
}