README_CN.md

🚀 BasicSR

English | 简体中文   GitHub | Gitee码云

Google Colab: GitHub Link | Google Drive Link
Ⓜ️ 模型库 ⏬ 百度网盘: 预训练模型 | 复现实验 ⏬ Google Drive: Pretrained Models | Reproduced Experiments
📁 数据 ⏬ 百度网盘 (提取码:basr) ⏬ Google Drive
📈 wandb的训练曲线
💻 训练和测试的命令
⚡ HOWTOs

---

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.
_{(ESRGAN, EDVR, DNI, SFTGAN) (HandyView, HandyFigure, HandyCrawler, HandyWriting)}

✨ 新的特性

• Nov 29, 2020. 添加 ESRGAN and DFDNet colab demo.
• Sep 8, 2020. 添加 盲人脸复原测试代码: DFDNet.
• Aug 27, 2020. 添加 StyleGAN2 训练和测试 代码: StyleGAN2.

更多

• Sep 8, 2020. 添加 盲人脸复原 测试代码: DFDNet.
  ECCV20: Blind Face Restoration via Deep Multi-scale Component Dictionaries
  Xiaoming Li, Chaofeng Chen, Shangchen Zhou, Xianhui Lin, Wangmeng Zuo and Lei Zhang
• Aug 27, 2020. 添加 StyleGAN2 训练和测试代码.
  CVPR20: Analyzing and Improving the Image Quality of StyleGAN
  Tero Karras, Samuli Laine, Miika Aittala, Janne Hellsten, Jaakko Lehtinen and Timo Aila
• Aug 19, 2020. 全新的 BasicSR v1.0.0 上线.

⚡ 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
EDVR	TODO	TODO	DUF	-	TODO
BasicVSR	TODO	TODO	TOF	-	TODO
Deblurring
DeblurGANv2	-	TODO
Denoise
RIDNet	-	TODO	CBDNet	-	TODO

🔧 依赖和安装

• Python >= 3.7 (推荐使用 Anaconda 或 Miniconda)
• PyTorch >= 1.7
• NVIDIA GPU + CUDA

通过 pip 安装

pip install basicsr

• 通过 pip 安装不会编译 cuda 算子.
• 如果你想使用 cuda 算子, 则需要设置环境变量 BASICSR_JIT=True. 注意: 通过这种方式, 在每一次运行模型时候, 它都需要编译, (比较耗时).
  • 例子: StyleGAN2 inference colab.

通过 git clone 然后 编译

1. Clone repo

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

2. 安装依赖包

   cd BasicSR
   pip install -r requirements.txt

3. 安装 BasicSR

   在BasicSR的根目录下运行以下命令:
   (确保 GCC 版本: gcc >= 5)
   如果你需要以下 cuda 扩展算子:
    dcn for EDVR
    upfirdn2d and fused_act for StyleGAN2
   在安装命令后添加 --cuda_ext.
   如果使用 EDVR 和 StyleGAN2 模型, 需要使用上面的 cuda 扩展算子.

   python setup.py develop --cuda_ext

   否则, 安装的时候不会编译 cuda 算子.

   python setup.py develop

   你或许需要指定 CUDA 路径:

   CUDA_HOME=/usr/local/cuda \
   CUDNN_INCLUDE_DIR=/usr/local/cuda \
   CUDNN_LIB_DIR=/usr/local/cuda \
   python setup.py develop

注意: BasicSR 仅在 Ubuntu 下进行测试，或许不支持Windows. 可以在Windows下尝试支持CUDA的Windows WSL :-) (目前只有Fast ring的预览版系统可以安装).

⏳ 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 对你有所帮助, 可以考虑引用BasicSR.
下面是一个 BibTex 引用条目, 它需要 url LaTeX package.

@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}
}

Xintao Wang, Ke Yu, Kelvin C.K. Chan, Chao Dong and Chen Change Loy. BasicSR. https://github.com/xinntao/BasicSR, 2020.

📧 联系

若有任何问题, 请电邮 [email protected].