https://github.com/izhx/tc-youkuvsre

天池2019阿里巴巴优酷视频增强和超分辨率挑战赛自用代码，EDVR、WDSR、ESRGAN三个模型。
https://github.com/izhx/tc-youkuvsre

computer-vision deep-learning python pytorch single-image-super-resolution super-resolution tianchi video-super-resolution

Last synced: 3 days ago
JSON representation

天池2019阿里巴巴优酷视频增强和超分辨率挑战赛自用代码，EDVR、WDSR、ESRGAN三个模型。

• Host: GitHub
• URL: https://github.com/izhx/tc-youkuvsre
• Owner: izhx
• License: mit
• Created: 2019-05-19T08:59:40.000Z (over 5 years ago)
• Default Branch: master
• Last Pushed: 2019-07-05T07:04:28.000Z (over 5 years ago)
• Last Synced: 2023-11-20T09:34:47.673Z (12 months ago)
• Topics: computer-vision, deep-learning, python, pytorch, single-image-super-resolution, super-resolution, tianchi, video-super-resolution
• Language: Python
• Homepage:
• Size: 7.6 MB
• Stars: 41
• Watchers: 2
• Forks: 7
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# YoukuSR

“努力，要努力，我要变成万人迷！”

天池2019[阿里巴巴优酷视频增强和超分辨率挑战赛](https://tianchi.aliyun.com/competition/entrance/231711/introduction)自用代码，EDVR、WDSR、ESRGAN三个模型。有参考价值的东西，可能只有`utils/y4m_tools.py`。

## 简介

第一次参加天池，还要期末考试压力好大嘤嘤嘤~

初赛GG了，比赛结束后发现与前排的思路一致，只是没卡没时间哇，2-stage、ensemble、flip都没做，只提交了baseline，不过此次参赛学习到了很多知识。

数据处理是自己手写的，读取y4m文件流，分帧转化为yuv444的；写了几个Dataset，分别给VSR和SISR用，VSR时做了场景分割（[室友](https://github.com/midebuxing)写的机器学习算法，暂时没专门学习场景检测的文献）以及帧序列padding的处理（在[xintao](https://github.com/xinnta)大佬的策略上稍作修改），WDSR修改了一点点代码尝试单通道SR。输出生成y4m和输入差不多。

EDVR、WDSR的model architecture来自[EDVR](https://github.com/xinntao/EDVR)和[wdsr_ntire2018](https://github.com/JiahuiYu/wdsr_ntire2018)，自己写了训练代码。ESRGAN代码全部来自[BasicSR](https://github.com/xinntao/BasicSR)，不得不说大佬所有东西都手写，代码很健壮，造轮子精神可嘉。

自己配置了Netflix的[vmaf](https://github.com/Netflix/vmaf)并且封装了函数，在`utils/vmaf_tools.py`中。

## 文件结构

```

├── README.md               // readme

├── dataset                 // 数据集

├── data                    // 数据代码

├── utils                   // 通用工具

├── model                   // 模型代码

├── models                  // 模型代码

├── optim                   // 优化器

├── options                 // 配置项

├── vmaf                    // vmaf

├── scripts                 // 

└── ...                     // 

```

## 编码规范

- 尽量符合pycharm的提示，即PEP 8.

- 参考Google的[Python风格指南](https://zh-google-styleguide.readthedocs.io/en/latest/google-python-styleguide/)，或英文原版[Google Python Style Guide](http://google.github.io/styleguide/pyguide.html)。

## 环境依赖等

 `Python 3.6.x` ...

 

 [pytorch使用tensorboard](https://www.endtoend.ai/pytorch-tensorboard).