QuickSRNet
QuickSRNet upsamples an image by a factor of two.
- Zadania
- restoration
- Rozmiary
- m2 at 64 px
- Instalacja
pip install libreyolo- Poziom obsługi
- Tylko inferencja, od wersji v1.6.0. Tylko predykcja, walidacja i eksport. Funkcje trenowania nie mają zastosowania.
- Licencje
- Kod: MIT, wagi: BSD-3-Clause. Użycie komercyjne
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
| Zadanie | ONNX | TorchScript | ExecuTorch | TensorRT | OpenVINO | Paddle | MNN | RKNN | ncnn | TFLite | CoreML | Core AI |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Restoration | Restoration to ONNX: obsługiwane | Restoration to TorchScript: obsługiwane | Restoration to ExecuTorch: obsługiwane | Restoration to TensorRT: obsługiwane | Restoration to OpenVINO: obsługiwane | Restoration to Paddle: brak obsługi | Restoration to MNN: brak obsługi | Restoration to RKNN: brak obsługi | Restoration to ncnn: obsługiwane | Restoration to TFLite: brak obsługi | Restoration to CoreML: brak obsługi | Restoration to Core AI: brak obsługi |
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
| Plik | Licencja wag |
|---|---|
| Restoration | |
| LibreQuickSRNetm2-restore.pt | bsd-3-clause |
Każdy z powyższych plików jest obecnie dostępny w organizacji LibreYOLO i pobierany przy pierwszym użyciu.
Licensing
Sprawdź licencję w repozytorium konkretnych pobieranych wag na Hugging Face. Każdy checkpoint w organizacji LibreYOLO ma licencję, która nie zawsze jest taka sama w całej rodzinie. To repozytorium jest źródłem rozstrzygającym, a poniższe podsumowanie opisuje stan z chwili ostatniej weryfikacji tej strony.
To opis obowiązujących licencji, a nie porada prawna. Jeśli odpowiedź ma znaczenie komercyjne, przeczytaj licencje i zasięgnij własnej porady prawnej.
- Oryginalna praca
- QuickSRNet, Qualcomm
- Licencja projektu źródłowego
- BSD-3-Clause
- Kod źródłowy projektu
- github.com/quic/aimet-model-zoo
- Kod LibreYOLO
- MIT
- Wagi
- BSD-3-Clause, ponownie opublikowane w huggingface.co/LibreYOLO
- Interpretacja
- The source and released weights retain the publisher's BSD-3-Clause terms.
