这位选手，请问你是怎么做到参赛思路清晰又技术超群的？

大家好，我是方小鲸，今天想给大家介绍一个参赛思路十分清晰的参赛选手，向大家展示一下他参与首届“全国人工智能大赛”AI+4K HDR赛项初赛的全流程。

围观群众请坐好小板凳，选手登场了！

首先，我看上这个比赛主要是因为奖金高呀（说的好像我拿的到一样）、闲着也是闲着找点事做它规格高、选题接近实际生产环境，以下节选自官方赛事介绍：

现在初赛阶段也进入了白热化阶段，排行榜上的争夺十分激烈。初赛的任务是“视频四倍超分，要求将叠加随机噪声的540p SDR视频重建为去噪后的4K SDR视频”

说实话，刚看到这个任务我是懵的：

四倍超分是啥，SDR又是啥？？

但是吧，想想趁着刚开赛排行榜人数还不多，四舍五入只要提交了就能前一百，我决定试试！

缠着隔壁的大佬给我讲了一下之后，终于整明白了，原来这是个计算机视觉领域里非常具有现实意义的宝藏题目，由浅入深学CV，老少咸宜乐趣多。

另外，也要说说这个数据集，这可能是业界能找到的最大规模的4K HDR视频重建数据集了。你说搞学术也总不能天天只在200MB的图片数据集上闭门造视频车对吧。

接下来是选手的干货分享，大家记好笔记呀！

四倍超分，缩写之前是四倍超分辨率，指的就是把视频的长宽各×4，也就是将整体像素数量扩大16倍。

SDR是相对HDR的一个概念，二者是两套亮度/色度体系， HDR的编码能够保存比SDR更多的画面细节。在初赛中，并没有要求大家在SDR和HDR之间转换，所以可以暂时忽略这件事。

那么用简单的话来说，就是让把一个粗糙的小视频，放大成长宽各4倍的精致大视频。

那么如何做呢？

因为视频是由一帧一帧的图片构成的，所以我们可以先考虑从图片超分做起，最最最简单的就是把测试集下载下来，将每个视频的每一帧做去噪+双线性插值。

啥？不知道啥叫去噪+双线性插值？那你会调包+算平均数嘛？会啊，好，那你就会去噪+双线性插值了，那你就可以进入前100了~

此处社区热心群众公开的项目：
https://www.kesci.com/home/project/5dd2057d00b0b900365eb49c

想再提高一下？

好的。因为双线性插值他说白了就是个算数游戏，他并不能恢复图像压缩过程中丢失的细节信息，不算严格意义上超分技术，而且也配不上尊贵的初赛前100的身份，所以我决定升级一下的我技术路线。

查阅资料后，发现现有的使用深度学习的超分模型大概有这么几种分类：

好棒，每个字都看得懂呢，然而并不知道怎么入手。

别怕，云端大腿已经在网上公布了EDSR的baseline。这个模型经过了云端大腿的精心挑选，它的特点是使用了残差连接的方式，并且增加了网络的深度以及模型容量，移除batch norm以减少使用的显存，对于此次比赛的大分辨率数据集更加适用。

看不懂，没关系，现已全部开源，只需要从github下载下来，拆开分析一下怎么用就可以了。

具体来说就是：

1.先运行这个文件把每个视频转成100帧的PNG。

2.再运行这个文件加载pre-trian的参数跑测试（以及训练），pre-trian的参数需要下载，链接在model文件下里面每个文件的开头。

哎呀，再往细里说我就要顺着网线爬过来手把手教你了，求求你自己拆代码看吧......

反正一番鼓捣之后，就能跑上了，完全不需要自己写代码呢~ 然而几分钟后，我的电脑逐渐变烫……

这个时候，主办方掏出了一沓厚厚腾讯云的代金券：

好的，赶紧安排。

有了算力，我又觉得自己可以试试更🐂🍺的模型了。

那是时候展现真正的技术了用上时序信息了。视频超分和图像超分的处理区别，在于视频比图像多出以下两点：

之前有个友商的比赛，冠军中科大团队的baseline就是基于商汤在CVPR2019提出的EDVR。EDVR作者提出了一种新的网络模块「PCD 对齐模块」，使用 Deformable 卷积进行视频的对齐，整个过程可以端到端训练。而在挖掘时域（视频前后帧）和空域（同一帧内部）的信息融合时，作者提出了一种时空注意力模型进行信息融合。