edvr训练

已于 2024-09-28 22:25:15 修改
阅读量6 收藏
点赞数 1
分类专栏： VSR 文章标签： 计算机视觉 opencv pytorch
于 2022-03-07 13:49:05 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38335768/article/details/123328224
版权

想要训练edvr，在mmediting项目中进行训练
但是reds数据集太大下载不下来，我们可以选择使用稍小一点的数据集进行训练，看看流程是否走得通

1、修改文件路径

修改配置文件中的数据集路径：
在这里插入图片描述
修改该文件内lq和gt和ann文件的路径：
在这里插入图片描述

2、生成anno文件

首先训练数据除了 低分辨率、ground truth数据、还需要一个anno数据。这个数据通过该目录下的py文件来获取
在这里插入图片描述
修改文件中range的数量，根据数据集的序列个数来修改即可。
在这里插入图片描述
之后添加–root-path参数开始运行即可，便可以得到meta_info_REDS_GT.txt文件。
在这里插入图片描述

3、修改数据集的具体参数

进入对应文件夹
在这里插入图片描述
修改对应的参数即可
在这里插入图片描述

4、报错

之后在开始训练（多卡）时会遇到这样的错误
在这里插入图片描述
告诉你模型的部分计算没有存放在计算图中，所以需要重新设置参数：
进入对应文件:
在这里插入图片描述
在改文件下，将参数find_unused_parameters设为True：
在这里插入图片描述

5、训练

一切就绪，开始训练!
在这里插入图片描述

木琦
关注
专栏目录
全部的EDVR预训练模型
11-23
EDVR 超分辨率，GitHub上代码没有预训练模型。这里提供了官方全部的。----------------------------------------------------------------------------
MMediting中EDVR模型的训练与推理
c2146788的博客
12-17 2176
最近在学习视频超分（VSR）相关内容，在使用MMediting工具包的时候很难找到比较全的使用方法，在此，将自己使用EDVR模型进行训练和推理的过程分享出来。
EDVR工程代码调试+训练（详细版）
WinerChopin的博客
07-26 6270
好的，受委托于一个朋友，小编在本文将会以第一人称详细记录EDVR的代码跑通过程。 1. 环境配置 基于virtualenv的虚拟环境配置见博文vid2vid 代码调试+训练+测试（debug+train+test）（一）测试篇。 2. 下载代码 $ git clone https://github.com/xinntao/EDVR.git $ cd EDVR 这之后我们会处于“…...
超分之EDVR
Ton的博客
04-27 5464
这篇文章是2019年在视频超分领域上的作品，由商汤联合实验室出版。作者推出的EDVR 参考文档： ①源码 ②REDS数据集 ③视频超分：EDVR ④论文笔记之EDVR EDVR: Video Restoration with Enhanced Deformable Convolutional NetworksAbstract1 Introduction2 Related Work3 Methodology3.1 Overview3.2 Alignment with Pyramid, Cascading an
EDVR——代码调试+训练
WinerChopin的博客
07-18 9011
2019年CVPR的文章EDVR: Video Restoration with Enhanced Deformable Convolutional Networks，做的是视频处理（包括视频帧的超分辨率技术与去模糊），从结构上看能够处理应用于任意书品转换的强监督任务；文中最亮眼的地方在于他提出了保证时序一致性（temporal consistency）的新方法，不是使用光流（optical fl...
超分辨率重建——冠军队EDVR视频超分网络训练自己数据集与推理测试（详细图文教程）
qq_40280673的博客
08-08 1031
EDVR（Enhanced Deep Video Restoration）是一种用于视频超分辨率重建的深度学习方法，专注于提高视频质量和分辨率。EDVR 旨在解决视频超分辨率中的关键挑战，如复杂的运动估计、多帧信息融合、以及高效地恢复细节等。EDVR 被广泛应用于视频增强、去噪、去模糊、视频超分辨率等任务中。它在保持视频流畅性的同时，能够显著提高视频的清晰度和视觉质量。
超分论文EDVR解读
WX_Chen的博客
10-04 3121
《Video Restoration with Enhanced Deformable Convolutional Networks》 视频相邻帧存在一定的抖动，必须先对齐才能进一步处理融合。以往这可以使用光流算法处理，但本文中作者发明了一种新的网络模块PCD 对齐模块，使用Deformable卷积进行视频的对齐，整个过程可以端到端训练。 其中PCD 对齐模块，使用金字塔结构级联的Deform...
EDVR: Video Restoration with Enhanced Deformable Convolutional Networks
mytzs123的博客
02-11 139
视频恢复任务，包括超分辨率、去模糊等，正在引起计算机视觉界越来越多的关注。在NTIRE19挑战赛中发布了名为REDS的挑战性基准。这个新的基准从两个方面挑战了现有的方法：（1）如何在给定大运动的情况下对齐多个帧，以及（2）如何有效地将不同的帧与不同的运动和模糊融合。在这项工作中，我们提出了一种新的具有增强可变形卷积的视频恢复框架，称为EDVR，以解决这些挑战。首先，为了处理大的运动，我们设计了一个金字塔、级联和可变形（PCD）对齐模块，其中使用可变形卷积以从粗到细的方式在特征级别进行帧对齐。第二，我们提出了
EDVR结合PyTorch代码分析
weixin_41377325的博客
08-14 2129
官方GitHub 论文地址 1. 先看整体流程：   EDVR为视频质量增强一般性框架，比如超分辨率或者去噪均适用。2020NTIRE比赛 vider quality mapping中很多方法都是在EDVR基础上做改进，或者借鉴了里边的融合模块，因此非常重要哈。图中预去模糊模块可以自己设定，主要流程为特征提取-PCD（Pyramid, Cascading and Deformable convolution）模块-TSA（Temporal Spatial Attention）模块-重建模块。总体框架代码如
使用远程服务器进行EDVR代码复现全过程（应该是全网最详细了）
Kyrie_151的博客
08-29 1963
因此这个任务对我来说困难重重，举步维艰，我在网上查找了EDVR复现的详细教程，找了几篇讲的都很简略，对我这种什么都不懂的小白来说很不友好，于是经过将近两个月的艰难摸索并成功复现代码后，我决定将整个过程记录下来，写一篇更详细的博客。数据集下载好后，需要整合训练和测试数据，创建lmdb（这一步可以省略，因为我运行文件时报了一堆错，不知道怎么改，就放弃这一步了，不过不影响后续训练和测试），以及测试，按照说明文档操作就行，但要注意在文件中修改数据集路径，否则会报错：找不到数据集。
EDVR_Vimeo90K_SR_L.pth
06-10
开源视频增强项目EDVR 训练好的模型EDVR_Vimeo90K_SR_L Name convention EDVR_(training dataset)_(track name)_(model complexity) track name. There are four tracks in the NTIRE 2019 Challenges on Video ...
video deblur framework edvr pretrained model
10-12
总的来说，"video deblur framework edvr pretrained model"是一个专注于视频去模糊的深度学习框架，其预训练模型能够高效地处理视频模糊问题，为用户提供高质量的视频恢复效果。这个模型的使用涉及到深度学习的基本...
开放词汇目标检测
qq_34717531的博客
09-26 967
开放词汇目标检测（Open Vocabulary Object Detection, OVOD）是一种计算机视觉技术，它扩展了传统目标检测的概念，能够识别和定位图像中的对象，即使这些对象的类别没有在训练数据集中明确列出。利用LLM突出显示输入文本中的属性词汇，通过调整令牌掩码，提取OVD模型的文本编码器中的全局文本和属性特定特征，将它们显式组合为新的属性突出显示特征，其中相应的标量被手工设计或学习以重新调整这两个向量。然而，这些OVD模型是在大规模图像-文本对上进行预训练的，具有丰富的属性词汇，其潜在。
计算机视觉（CV）技术的优势和挑战
mwssx的博客
10-01 321
计算机视觉（CV）技术是研究和开发让计算机能够“看”和理解图像和视频的技术。它在许多领域具有广泛的应用，包括自动驾驶车辆、医学影像分析、安防监控等。这些例子说明了计算机视觉技术的优势和挑战，同时也展示了该技术在各个领域中的潜力和发展方向。
计算机视觉实战项目4（图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A*路径规划+单目测距与测速+行人车辆计数等）
阿利同学的博客
09-24 2162
往期热门项目回顾： 计算机视觉项目大集合 改进的yolo目标检测-测距测速 路径规划算法 图像去雨去雾+目标检测+测距项目 交通标志识别项目 yolo系列-重磅yolov9界面-最新的yolo 姿态识别-3d姿态识别 深度学习小白学习路线 AI健身教练-引体向上-俯卧撑计数代码-仰卧起坐姿态估计-康复训练姿态识别-姿态矫正（附代码） yolov8双目测距-yolov8+sgbm（原理+代码） yolov5单目测距+速度测量+目标跟踪（算法介绍和代码 YOLOv8界面-目标检测+语义分割
目标检测 DETR（2020）
qq_51352130的博客
09-29 1109
DETR全称是Detection Transformer，是首个基于Transformer的端到端目标检测网络，最大的特点就是不需要预定义的先验anchor，也不需要NMS的后处理策略（少了这两部分可以少很多的超参数和计算），用集合的思想回归出100个query之后再用匈牙利算法二分图匹配的方式得到最终的正样本和负样本，第一个实现了端到端的目标检测。
图像特征与边缘检测：从Sobel算子到Canny边缘检测【计算机视觉】
qq_22841387的博客
09-26 1080
图像特征是图像中容易被辨认、独特并且与其他区域不同的部分。它们往往包含了丰富的信息，比如图像中的重要物体位置或边缘变化。关键点特征：这是图像中具有显著性、能通过不同视角和光照变化保持相对稳定的点。通常是图像中容易定位或识别的兴趣点。边缘：图像中颜色、亮度或纹理发生显著变化的区域。边缘通常对应着物体的轮廓或界限。例如，角点（如建筑物的拐角）是图像中常见的关键点，而边缘则常用于检测物体的轮廓、区分不同的物体。在图像配准、物体检测等任务中，找到这样的特征至关重要。
[C++]使用C++部署yolov11目标检测的tensorrt模型支持图片视频推理windows测试通过
最新发布
FL1623863129的博客
10-02 518
部署最费时间是安装环境。首先需要大家安装好VS2019或者VS2022，还有如下环境，由于安装包很多需要去官方搜素下载，需要自己安装，其中版本可以有区别，但是如果快速复现这个项目，最好安装位一致版本这样更快复现出项目。然后将pt模型放进项目里面，切换自己安装好的yolov8环境里面并切换到项目目录，执行python export.py即可转换得到onnx模型，当然你也可以使用下面命令直接转换。下面具体怎么部署，首先去yolov8官方仓库下载yolo11模型，这样下载yolo11n.pt。
将Edvr.cfg文件解析为一个Config结构体
05-27
假设`Edvr.cfg`文件内容如下： ``` [General] Version=1.0 Name=Edvr [Parameters] InputFile=input.mp4 OutputFile=output.mp4 FrameRate=30 ``` 可以通过以下步骤将`Edvr.cfg`文件解析为一个`Config`结构体： 1. 定义`Config`结构体，包含`General`和`Parameters`两个结构体。`General`结构体包含版本号和名称，`Parameters`结构体包含输入文件名、输出文件名和帧率。 ```c typedef struct { struct { float version; char name[50]; } general; struct { char input_file[100]; char output_file[100]; int frame_rate; } parameters; } Config; ``` 2. 编写解析函数，读取`Edvr.cfg`文件，并将读取的内容存储到`Config`结构体中。 ```c #include <stdio.h> #include <stdlib.h> #include <string.h> Config parse_config_file(const char* file_name) { Config config = {0}; char line[100]; char section[20] = ""; FILE* fp; fp = fopen(file_name, "r"); if (fp == NULL) { printf("Failed to open file: %s\n", file_name); return config; } while (fgets(line, sizeof(line), fp) != NULL) { // 去除行末换行符 if (line[strlen(line) - 1] == '\n') { line[strlen(line) - 1] = '\0'; } // 处理段落信息 if (line[0] == '[' && line[strlen(line) - 1] == ']') { strcpy(section, line + 1); section[strlen(section) - 1] = '\0'; } else { // 处理键值对信息 char* key = strtok(line, "="); char* value = strtok(NULL, "="); if (strcmp(section, "General") == 0) { if (strcmp(key, "Version") == 0) { config.general.version = atof(value); } else if (strcmp(key, "Name") == 0) { strncpy(config.general.name, value, sizeof(config.general.name) - 1); config.general.name[sizeof(config.general.name) - 1] = '\0'; } } else if (strcmp(section, "Parameters") == 0) { if (strcmp(key, "InputFile") == 0) { strncpy(config.parameters.input_file, value, sizeof(config.parameters.input_file) - 1); config.parameters.input_file[sizeof(config.parameters.input_file) - 1] = '\0'; } else if (strcmp(key, "OutputFile") == 0) { strncpy(config.parameters.output_file, value, sizeof(config.parameters.output_file) - 1); config.parameters.output_file[sizeof(config.parameters.output_file) - 1] = '\0'; } else if (strcmp(key, "FrameRate") == 0) { config.parameters.frame_rate = atoi(value); } } } } fclose(fp); return config; } ``` 上面的代码中，使用`fgets()`函数逐行读取`Edvr.cfg`文件的内容，然后根据行内容的不同，分别处理段落信息和键值对信息。具体来说： - 如果行内容以方括号开头和结尾，说明这是一个段落信息，需要将方括号中的内容作为当前段落的名称。 - 如果行内容中包含等号，说明这是一个键值对信息，需要将等号左边的字符串作为键，等号右边的字符串作为值。根据当前段落的名称和键的名称，将值存储到`Config`结构体的相应字段中。 3. 调用解析函数，读取`Edvr.cfg`文件并打印配置信息。 ```c int main() { Config config; config = parse_config_file("Edvr.cfg"); printf("General:\n"); printf("Version: %.1f\n", config.general.version); printf("Name: %s\n", config.general.name); printf("Parameters:\n"); printf("InputFile: %s\n", config.parameters.input_file); printf("OutputFile: %s\n", config.parameters.output_file); printf("FrameRate: %d\n", config.parameters.frame_rate); return 0; } ``` 上面的代码中，调用`parse_config_file()`函数解析`Edvr.cfg`文件，并将解析结果存储到`config`结构体中。然后，打印`config`结构体中的各个字段。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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