作者：ChaofWang | 编辑：Amusi
前言
本文将分享的内容是：超分辨率（Super Resolution，SR）最全资料合集，涵盖了SISR、VSR等。
一张图看懂超分辨率SR作用
注：文末附超分辨率SR微信交流群，欢迎加入学习
Awesome-Super-Resolution
项目作者：ChaofWang Star
数量：636 Commit
数量：120
https://github.com/ChaofWang/Awesome-Super-Resolution
该项目主要包含以下内容：
- 最佳论文库/项目列表
- 数据集
- 论文：非深度学习方法、深度学习方法（2014-2020）
- workshop论文
- 综述
其中每个部分介绍的都非常详细，比如一个论文，会相应介绍其论文链接和相应的开源代码。
最佳论文库
这里算是致敬！github上其实有很多不错的超分辨率SR合集项目，比如：
最佳项目库
不少顶会上的SR论文都是基于下面的优秀开源项目所开发的，
| repo | Framework |
|---|---|
| EDSR-PyTorch | PyTorch |
| Image-Super-Resolution | Keras |
| image-super-resolution | Keras |
| Super-Resolution-Zoo | MxNet |
| super-resolution | Keras |
| neural-enhance | Theano |
| srez | Tensorflow |
| waifu2x | Torch |
| BasicSR | PyTorch |
| super-resolution | PyTorch |
| VideoSuperResolution | Tensorflow |
| video-super-resolution | Pytorch |
| MMSR | PyTorch |
数据集
系统性整理了非常多的数据集，并都提供了下载链接，整理的很用心。比如Set14、BSD100和Urban100等。
| Name | Usage | Link | Comments |
|---|---|---|---|
| Set5 | Test | download | jbhuang0604 |
| SET14 | Test | download | jbhuang0604 |
| BSD100 | Test | download | jbhuang0604 |
| Urban100 | Test | download | jbhuang0604 |
| Manga109 | Test | website | |
| SunHay80 | Test | download | jbhuang0604 |
| BSD300 | Train/Val | download | |
| BSD500 | Train/Val | download | |
| 91-Image | Train | download | Yang |
| DIV2K2017 | Train/Val | website | NTIRE2017 |
| Flickr2K | Train | download | |
| Real SR | Train/Val | website | NTIRE2019 |
| Waterloo | Train | website | |
| VID4 | Test | download | 4 videos |
| MCL-V | Train | website | 12 videos |
| GOPRO | Train/Val | website | 33 videos, deblur |
| CelebA | Train | website | Human faces |
| Sintel | Train/Val | website | Optical flow |
| FlyingChairs | Train | website | Optical flow |
| Vimeo-90k | Train/Test | website | 90k HQ videos |
| SR-RAW | Train/Test | website | raw sensor image dataset |
| W2S | Train/Test | arxiv | A Joint Denoising and Super-Resolution Dataset |
| PIPAL | Test | ECCV 2020 | Perceptual Image Quality Assessment dataset |
论文：深度学习方法（2014-2020）
2014-2016
| Model | Published | Code | Keywords |
|---|---|---|---|
文章知识点与官方知识档案匹配，可进一步学习相关知识
OpenCV技能树OpenCV中的深度学习图像分类26360 人正在系统学习中
评论记录：
回复评论：