QuickSRNet
QuickSRNet upsamples an image by a factor of two.
- Tareas
- restoration
- Tamaños
- m2 at 64 px
- Instalación
pip install libreyolo- Nivel de compatibilidad
- Solo inferencia, desde v1.6.0. Solo permite predecir, validar y exportar. Las funciones de entrenamiento no se aplican.
- Licencias
- Código MIT, pesos BSD-3-Clause. Uso comercial
Install
pip install "libreyolo"Predict
from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreQuickSRNetm2-restore.pt", device="cpu")result = model(SAMPLE_IMAGE)result.restored.save("upscaled.png")The Medium 2x model preserves native input resolution and doubles each spatial dimension. Validation uses paired low/high-resolution images and reports PSNR and SSIM. ONNX supports dynamic spatial shapes; TorchScript uses a fixed canvas. Training is not supported.
Validate
from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreQuickSRNetm2-restore.pt", device="cpu")# Paired super-resolution dataset YAML: inputs/val low-res images, targets/val 2x high-res imagesmetrics = model.val(data="path/to/your/restore.yaml", workers=0)print(metrics)Use the dataset format for this task. Validation explains the dataset requirements and returned metrics.
Export
| Tarea | ONNX | TorchScript | ExecuTorch | TensorRT | OpenVINO | Paddle | MNN | RKNN | ncnn | TFLite | CoreML | Core AI |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Restoration | Restoration to ONNX: compatible | Restoration to TorchScript: compatible | Restoration to ExecuTorch: compatible | Restoration to TensorRT: compatible | Restoration to OpenVINO: compatible | Restoration to Paddle: no compatible | Restoration to MNN: no compatible | Restoration to RKNN: no compatible | Restoration to ncnn: compatible | Restoration to TFLite: no compatible | Restoration to CoreML: no compatible | Restoration to Core AI: no compatible |
from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreQuickSRNetm2-restore.pt", device="cpu")model.export(format="onnx")Export setup lists format dependencies and loading exported artifacts.
Checkpoints
| Archivo | Licencia de los pesos |
|---|---|
| Restoration | |
| LibreQuickSRNetm2-restore.pt | bsd-3-clause |
Todos los archivos anteriores existen hoy en la organización de LibreYOLO y se descargan la primera vez que se usan.
Licensing
Comprueba la licencia en el repositorio de Hugging Face de los pesos concretos que descargues. Cada checkpoint de la organización de LibreYOLO incluye una, y no siempre es la misma en toda una familia. Ese repositorio es la fuente autorizada; el resumen siguiente describe qué se aplicaba cuando se verificó esta página por última vez.
Esta es una descripción de las licencias implicadas, no asesoramiento legal. Si la respuesta es importante a nivel comercial, lee las licencias y busca tu propio asesoramiento.
- Trabajo original
- QuickSRNet, Qualcomm
- Licencia del proyecto original
- BSD-3-Clause
- Fuente del proyecto original
- github.com/quic/aimet-model-zoo
- Código de LibreYOLO
- MIT
- Pesos
- BSD-3-Clause, republicados en huggingface.co/LibreYOLO
- Interpretación
- The source and released weights retain the publisher's BSD-3-Clause terms.
