#235 · 主分类： 计算机视觉
Fast-SRGAN
artificial-intelligence
cnn
fastsrgan
gans
generative-adversarial-network
neural-network
realtime-super-resolution
residual-blocks
resolution-image
single-image-super-resolution
sisr
srgan
super-resolution
tensorboard
tensorflow
tf-keras
tf2
upsample
一个快速的深度学习模型，可将低分辨率视频上采样到高分辨率，帧率达30fps。
项目最后更新：02/11/26
GitHub Stars
695
Forks数量
120
贡献者数量
3
许可证
MIT
收录理由
面对老旧或低分辨率视频素材，团队往往需要快速将其提升到现代显示标准，这个仓库提供了一个具体可行的方案。它实现了SRGAN风格生成器，通过像素重排（pixel shuffle）保证上采样速度，并在M1 Pro上实测约30fps输出720p画面。项目自带基于DIV2K数据集预训练的生成器，无需从头训练，一条命令即可对自有图片执行推理。重新训练同样简单：借助Hydra配置，可在命令行直接调整批大小、残差块数量和数据集路径，TensorBoard则负责记录训练过程。整体代码聚焦单一用途，为视频处理或图像增强工作提供了可参考的基线实现。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。