QuickSRNet
QuickSRNet upsamples an image by a factor of two.
- Tâches
- restoration
- Tailles
- m2 at 64 px
- Installer
pip install libreyolo- Niveau de support
- Inférence uniquement, depuis v1.6.0. Prédiction, validation et export uniquement. Les fonctionnalités d'entraînement ne s'appliquent pas.
- Licences
- Code MIT, poids BSD-3-Clause. Usage commercial
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
| Tâche | ONNX | TorchScript | ExecuTorch | TensorRT | OpenVINO | Paddle | MNN | RKNN | ncnn | TFLite | CoreML | Core AI |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Restoration | Restoration to ONNX : pris en charge | Restoration to TorchScript : pris en charge | Restoration to ExecuTorch : pris en charge | Restoration to TensorRT : pris en charge | Restoration to OpenVINO : pris en charge | Restoration to Paddle : non pris en charge | Restoration to MNN : non pris en charge | Restoration to RKNN : non pris en charge | Restoration to ncnn : pris en charge | Restoration to TFLite : non pris en charge | Restoration to CoreML : non pris en charge | Restoration to Core AI : non pris en charge |
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
| Fichier | Licence des poids |
|---|---|
| Restoration | |
| LibreQuickSRNetm2-restore.pt | bsd-3-clause |
Tous les fichiers ci-dessus sont actuellement disponibles dans l<link>organisation LibreYOLO</link> et sont téléchargés à la première utilisation.
Licensing
Vérifiez la licence dans le dépôt Hugging Face des poids précis que vous téléchargez. Chaque checkpoint de l<link>organisation LibreYOLO</link> en possède une, et elles ne sont pas toujours identiques au sein dune même famille. Ce dépôt fait autorité ; le résumé ci-dessous décrit les conditions applicables lors de la dernière vérification de cette page.
Ceci décrit les licences concernées et ne constitue pas un conseil juridique. Si la réponse a une importance commerciale, lisez vous-même les licences et consultez votre propre avocat.
- Travail d'origine
- QuickSRNet, Qualcomm
- Licence du projet d'origine
- BSD-3-Clause
- Source du projet d'origine
- github.com/quic/aimet-model-zoo
- Code de LibreYOLO
- MIT
- Poids
- BSD-3-Clause, republiés sur huggingface.co/LibreYOLO
- Interprétation
- The source and released weights retain the publisher's BSD-3-Clause terms.
