QuickSRNet
QuickSRNet upsamples an image by a factor of two.
- Задачи
- restoration
- Размеры
- m2 at 64 px
- Установка
pip install libreyolo- Уровень поддержки
- Только инференс, начиная с v1.6.0. Только предсказание, валидация и экспорт. Функции обучения неприменимы.
- Лицензии
- Код: MIT, веса: BSD-3-Clause. Коммерческое использование
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
| Задача | ONNX | TorchScript | ExecuTorch | TensorRT | OpenVINO | Paddle | MNN | RKNN | ncnn | TFLite | CoreML | Core AI |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Restoration | Restoration to ONNX: поддерживается | Restoration to TorchScript: поддерживается | Restoration to ExecuTorch: поддерживается | Restoration to TensorRT: поддерживается | Restoration to OpenVINO: поддерживается | Restoration to Paddle: не поддерживается | Restoration to MNN: не поддерживается | Restoration to RKNN: не поддерживается | Restoration to ncnn: поддерживается | Restoration to TFLite: не поддерживается | Restoration to CoreML: не поддерживается | Restoration to Core AI: не поддерживается |
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
| Файл | Лицензия весов |
|---|---|
| Restoration | |
| LibreQuickSRNetm2-restore.pt | bsd-3-clause |
Все перечисленные выше файлы уже доступны в организации LibreYOLO и скачиваются при первом использовании.
Licensing
Проверяйте лицензию в репозитории конкретных весов на Hugging Face. Она указана для каждого чекпойнта в организации LibreYOLO и может различаться даже внутри одного семейства. Этот репозиторий считается авторитетным источником, а сводка ниже описывает условия на момент последней проверки страницы.
Это описание соответствующих лицензий, а не юридическая консультация. Если ответ важен для коммерческого использования, прочитайте лицензии самостоятельно и проконсультируйтесь с юристом.
- Оригинальная работа
- QuickSRNet, Qualcomm
- Лицензия исходного проекта
- BSD-3-Clause
- Исходный код проекта
- github.com/quic/aimet-model-zoo
- Код LibreYOLO
- MIT
- Веса
- BSD-3-Clause, повторно опубликованы на huggingface.co/LibreYOLO
- Толкование
- The source and released weights retain the publisher's BSD-3-Clause terms.
