| BasicSR: 开源图像和视频复原工具包（超分辨率， 去噪， 去模糊等）. 目前包括: EDSR, RCAN, SRResNet, SRGAN, ESRGAN, EDVR 等模型. 也支持了 StyleGAN2 和 DFDNet. | 您所在的位置：网站首页 › 超分辨率增强有用吗 › BasicSR: 开源图像和视频复原工具包（超分辨率， 去噪， 去模糊等）. 目前包括: EDSR, RCAN, SRResNet, SRGAN, ESRGAN, EDVR 等模型. 也支持了 StyleGAN2 和 DFDNet. |
BasicSR: 开源图像和视频复原工具包（超分辨率， 去噪， 去模糊等）. 目前包括: EDSR, RCAN, SRResNet, SRGAN, ESRGAN, EDVR 等模型. 也支持了 StyleGAN2 和 DFDNet.
|
:compass: 入群二维码 (QQ、微信) 入群指南 (腾讯文档)
BasicSR (Basic Super Restoration) 是一个基于 PyTorch 的开源图像视频复原工具箱, 比如 超分辨率, 去噪, 去模糊, 去 JPEG 压缩噪声等.
 Oct 5, 2021. 添加 ECBSR 训练和测试 代码: ECBSR.
ACMMM21: Edge-oriented Convolution Block for Real-time Super Resolution on Mobile Devices Sep 2, 2021. 添加 SwinIR 训练和测试 代码: SwinIR by Jingyun Liang. 更多内容参见 HOWTOs.md
Aug 5, 2021. 添加了NIQE， 它输出和MATLAB一样的结果 (both are 5.7296 for tests/data/baboon.png).
July 31, 2021. Add bi-directional video super-resolution codes: BasicVSR and IconVSR.
CVPR21: BasicVSR: The Search for Essential Components in Video Super-Resolution and Beyond 更多
如果你的开源项目中使用了BasicSR, 欢迎联系我 (邮件或者开一个issue/pull request)。我会将你的开源项目添加到上面的列表中 如果 BasicSR 对你有所帮助，欢迎  HOWTOs
我们提供了简单的流程来快速上手 训练/测试/推理 模型. 这些命令并不能涵盖所有用法, 更多的细节参见下面的部分. GAN StyleGAN2 训练 测试 Face Restoration DFDNet - 测试 Super Resolution ESRGAN TODO TODO SRGAN TODO TODO EDSR TODO TODO SRResNet TODO TODO RCAN TODO TODO SwinIR Train Inference EDVR TODO TODO DUF - TODO BasicVSR TODO TODO TOF - TODO Deblurring DeblurGANv2 - TODO Denoise RIDNet - TODO CBDNet - TODO 依赖和安装
For detailed instructions refer to docs/INSTALL.md.  TODO 清单
参见 project boards.  数据准备
数据准备步骤, 参见 DatasetPreparation_CN.md.
目前支持的数据集 (torch.utils.data.Dataset类), 参见 Datasets_CN.md.
 训练和测试
训练和测试的命令, 参见 TrainTest_CN.md.
Options/Configs配置文件的说明, 参见 Config_CN.md.
Logging日志系统的说明, 参见 Logging_CN.md.
 模型库和基准
目前支持的模型描述, 参见 Models_CN.md.
预训练模型和log样例, 参见 ModelZoo_CN.md.
我们也在 wandb 上提供了训练曲线等:
 代码库的设计和约定
参见 DesignConvention_CN.md. 下图概括了整体的框架. 每个模块更多的描述参见: Datasets_CN.md | Models_CN.md | Config_CN.md | Logging_CN.md
 许可
本项目使用 Apache 2.0 license. 更多关于许可和致谢, 请参见 LICENSE.  引用
如果 BasicSR 对你有帮助, 请引用BasicSR. 下面是一个 BibTex 引用条目, 它需要 url LaTeX package. @misc{basicsr, author = {Xintao Wang and Liangbin Xie and Ke Yu and Kelvin C.K. Chan and Chen Change Loy and Chao Dong}, title = {{BasicSR}: Open Source Image and Video Restoration Toolbox}, howpublished = {\url{https://github.com/XPixelGroup/BasicSR}}, year = {2022} }Xintao Wang, Liangbin Xie, Ke Yu, Kelvin C.K. Chan, Chen Change Loy and Chao Dong. BasicSR: Open Source Image and Video Restoration Toolbox. https://github.com/xinntao/BasicSR, 2022.  联系
若有任何问题, 请电邮 [email protected], [email protected]. QQ群: 扫描左边二维码 或者 搜索QQ群号: 320960100 入群答案：互帮互助共同进步 微信群: 我们的群一已经满500人啦，进群二可以扫描中间的二维码；如果进群遇到问题，也可以添加 Liangbin 的个人微信 (右边二维码)，他会在空闲的时候拉大家入群~
|
我们添加了 BasicSR-Examples, 它提供了使用BasicSR的指南以及模板 (以python package的形式) 
技术交流QQ群：320960100 入群答案：互帮互助共同进步
Google Colab: GitHub Link | Google Drive Link
模型库: 
百度网盘: 预训练模型 | 复现实验
数据: 
wandb的训练曲线
新的特性/更新
使用 BasicSR 的项目
这个仓库或推荐给你的朋友。Thanks
Real-ESRGAN: 通用图像复原的实用算法
【本文地址】