GitHub:超分辨率最全资料集锦

这是一篇关于超分辨率(Super Resolution, SR)的资源合集,涵盖最佳论文、项目、数据集和深度学习方法。文章整理了从2014到2020年的相关论文,特别强调了ECCV 2020年发布的最新研究成果,包括各种神经网络结构和应用场景。此外,还提供了资料下载途径。" 122761794,11461884,R语言绘制散点图详解,"['r语言', '数据挖掘', '数据可视化']
摘要由CSDN通过智能技术生成

作者:ChaofWang | 编辑:Amusi

前言

本文将分享的内容是:超分辨率(Super Resolution,SR)最全资料合集,涵盖了SISR、VSR等。

在这里插入图片描述

一张图看懂超分辨率SR作用

注:文末附超分辨率SR微信交流群,欢迎加入学习

Awesome-Super-Resolution

项目作者:ChaofWang Star
数量:636 Commit
数量:120

https://github.com/ChaofWang/Awesome-Super-Resolution

该项目主要包含以下内容:

  • 最佳论文库/项目列表
  • 数据集
  • 论文:非深度学习方法、深度学习方法(2014-2020)
  • workshop论文
  • 综述

其中每个部分介绍的都非常详细,比如一个论文,会相应介绍其论文链接和相应的开源代码。

最佳论文库

这里算是致敬!github上其实有很多不错的超分辨率SR合集项目,比如:

Single-Image-Super-Resolution

Super-Resolution.Benckmark

Video-Super-Resolution

VideoSuperResolution

Awesome Super-Resolution

Awesome-LF-Image-SR

Awesome-Stereo-Image-SR

AI-video-enhance

最佳项目库

不少顶会上的SR论文都是基于下面的优秀开源项目所开发的,

repo Framework
EDSR-PyTorch PyTorch
Image-Super-Resolution Keras
image-super-resolution Keras
Super-Resolution-Zoo MxNet
super-resolution Keras
neural-enhance Theano
srez Tensorflow
waifu2x Torch
BasicSR PyTorch
super-resolution PyTorch
VideoSuperResolution Tensorflow
video-super-resolution Pytorch
MMSR PyTorch

数据集

系统性整理了非常多的数据集,并都提供了下载链接,整理的很用心。比如Set14、BSD100和Urban100等。

Name Usage Link Comments
Set5 Test download jbhuang0604
SET14 Test download jbhuang0604
BSD100 Test download jbhuang0604
Urban100 Test download jbhuang0604
Manga109 Test website
SunHay80 Test download jbhuang0604
BSD300 Train/Val download
BSD500 Train/Val download
91-Image Train download Yang
DIV2K2017 Train/Val website NTIRE2017
Flickr2K Train download
Real SR Train/Val website NTIRE2019
Waterloo Train website
VID4 Test download 4 videos
MCL-V Train website 12 videos
GOPRO Train/Val website 33 videos, deblur
CelebA Train website Human faces
Sintel Train/Val website Optical flow
FlyingChairs Train website Optical flow
Vimeo-90k Train/Test website 90k HQ videos
SR-RAW Train/Test website raw sensor image dataset
W2S Train/Test arxiv A Joint Denoising and Super-Resolution Dataset
PIPAL Test ECCV 2020 Perceptual Image Quality Assessment dataset

论文:深度学习方法(2014-2020)

2014-2016
Model Published Code Keywords
SRCNN ECCV14
  • 16
    点赞
  • 153
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值