معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A full-reference quality metric for analyzing restoration methods.

ویژگی	مقدار
سیستم عامل	-
نام فایل	erqa-1.1.2
نام	erqa
نسخه کتابخانه	1.1.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Eugene Lyapustin
ایمیل نویسنده	evgeny.lyapustin@graphics.cs.msu.ru
آدرس صفحه اصلی	https://github.com/msu-video-group/erqa
آدرس اینترنتی	https://pypi.org/project/erqa/
مجوز	-

# ERQA - Edge Restoration Quality Assessment ERQA - a full-reference quality metric designed to analyze how good image and video restoration methods (SR, deblurring, denoising, etc) are restoring real details. It is part of [MSU Video Super Resolution Benchmark](https://videoprocessing.ai/benchmarks/video-super-resolution.html) project. ## Quick start Run `pip install erqa` and run it from command line or directly from Python code. ### Command line ```shell python -m erqa /path/to/target.png /path/to/gt.png ``` ### Python code ```python import erqa import cv2 # Target and gt should be uint8 arrays of equal shape (H, W, 3) in BGR format target = cv2.imread('/path/to/target.png') gt = cv2.imread('/path/to/gt.png') metric = erqa.ERQA() v = metric(target, gt) ``` ## Description The ERQA metric analyzes how details were reconstructed in an image compared to ground-truth. - **ERQA = 1.0** means perfect restoration - **ERQA = 0.0** means worst restoration Visualization of the metric shows underlying mask showing where image is distorted. - **Blue** means there is a missing detail (False Negative) - **Red** means there is a misplaced detail (False Positive) - **White** means perfect details restoration (True Positive) - **Black** means perfect background restoration (True Negative) ![](samples/erqa_vis.png) ## Local setup You can get source code up and running using following commands: ```shell git clone https://github.com/msu-video-group/erqa cd erqa pip install -r requirements.txt ``` ## Cite us ⌛**Soon**⌛

نیازمندی

مقدار	نام
>=1.14.3	numpy
>=3.4.15	opencv-python

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl erqa-1.1.2:

pip install erqa-1.1.2.whl

نصب پکیج tar.gz erqa-1.1.2:

pip install erqa-1.1.2.tar.gz