Add github homework submit instruction (#275)

* Add 7day course info on readme * Update README_cn.md * Add homework file * Update homework1.md * add github homework submit instruction * Update README_cn.md * Update README.md

Add github homework submit instruction (#275)
* Add 7day course info on readme * Update README_cn.md * Add homework file * Update homework1.md * add github homework submit instruction * Update README_cn.md * Update README.md
b823808c · YixinKristy · GitHub · c37aac05 · b823808c · b823808c
5 changed file
--- a/.DS_Store
+++ b/.DS_Store
--- a/README_cn.md
+++ b/README_cn.md
@@ -41,7 +41,7 @@ GAN--生成对抗网络，被“卷积网络之父”**Yann LeCun（杨立昆）

 **直播日期：4月15日～4月20日直播授课，4月22日结营直播**

-**具体详情请参见：[PaddleGAN生成对抗七日打卡营](https://github.com/PaddlePaddle/PaddleGAN/tree/develop/education)**
+**具体详情请参见：[PaddleGAN生成对抗七日打卡营](./education/README.md)**




--- a/education/README.md
+++ b/education/README.md
@@ -37,12 +37,71 @@ Day 2：[代码题_基于DCGAN，改写为LS-GAN](./homework2)

 Day 3：[代码题_填空补全基于pix2pix实现人脸卡通的预测代码](./homework3) 

-Day 4：客观题+项目展示（照片、视频）
+Day 4：[客观题+项目展示（照片、视频）](./homework4) 

 Day 5：客观题+项目展示（照片、视频）

 Day 6-大作业：自选PaddleGAN里面的模型实现超分

+## 😍GitHub提交作业指南😍
+
+**各位学员们，加分的机会来啦！在自己的GitHub repo上上传完成的作业，并在requirements.txt中加上ppgan即可获得额外加分5分🤓** 
+
+由于考虑到大家对于GitHub可能不太熟悉，所以，我们将所有作业**在GitHub上的提交截止日期放在了结营日前一天--4.22日**，下面就来简单介绍如何在GitHub上提交作业。
+
+### Step 0：创建GitHub账号
+
+对于还未创建GitHub账号的同学们，可以先创建账号，创建后，**可以先对[PaddleGAN](https://github.com/PaddlePaddle/PaddleGAN)点击Star完成关注哟⸜(ّᶿധّᶿ)⸝**，这样你就能及时掌握repo的咨询更新啦~
+
+### Step 1：创建自己的GitHub repo
+
+对于还未有自己的repo的同学（fork他人项目不算噢）可以点进自己的主页，点击【New】创建一个新的repo，并予以命名。
+
+![img](https://user-images.githubusercontent.com/48054808/115176689-31a68280-a100-11eb-9872-b6da622aabd2.png)
+
+### Step 3：新增requirements.txt文件
+
+Requirements.txt文件中包含了你创建的repo中所引用/使用其他开发者的repo名称，代表了对于其他开发者的内容版权的尊重，类似于【转载自】。
+
+点击Step 2中新创建的repo，选择【Add file】中的【Create new file】，将其命名为【requirements.txt】。
+
+![img](https://user-images.githubusercontent.com/48054808/115178491-f60db780-a103-11eb-9e67-6e730122cb78.png)
+
+这样，文件列表中即新增【requirements.txt】~
+
+![img](https://user-images.githubusercontent.com/48054808/115178745-81874880-a104-11eb-9abf-14b97e2f5877.png)
+
+### Step 4：在requirements.txt文件中加上”ppgan“
+
+点击step 3中创建的【requirements.txt】，在其中增加”ppgan“即可。
+
+![img](https://user-images.githubusercontent.com/48054808/115179249-784aab80-a105-11eb-86c3-a117d3202ad2.png)
+
+### Step 5：提交作业
+
+从AI Studio中将作业导出为markdown格式：
+
+![img](https://user-images.githubusercontent.com/48054808/115179572-32421780-a106-11eb-9b6f-86aace707301.png)
+
+回到Step 2中创建的repo的主页，同创建【requirements.txt】步骤一样，选择【Add file】中的【Upload files】上传自己作业即可。
+
+![img](https://user-images.githubusercontent.com/48054808/115179707-81884800-a106-11eb-98e7-09d34bc9bd88.png)
+
+### Step 6：在AI Studio提交作业中增加GitHub repo作业链接以及requirements.txt截图
+
+这样就完成啦，就能获得5分加分噢！
+
+
+
+**⭐总结下，所需提交内容⭐：**
+
+1. **GitHub作业链接**
+2. **requirements.txt中加上ppgan的截图**
+
+**期待大家的作业噢(〜￣▽￣)〜〜(￣▽￣〜)**
+
+
+
 ## 奖品列表

 为了鼓励大家积极认真的参与课程，完成课后作业，我们为大家准备了丰厚的奖品！

--- a/education/homework1.md
+++ b/education/homework1.md
@@ -46,7 +46,7 @@ C. ![img](https://user-images.githubusercontent.com/48054808/115173903-d1f9a880-

 D. ![img](https://user-images.githubusercontent.com/48054808/115173943-e178f180-a0fa-11eb-87ce-ba3e96e51572.png)

-参考答案：A
+参考答案：D

 **5.  （多选）下列关于GAN中对抗的描述正确的是（）**


--- a/education/homework4.md
+++ b/education/homework4.md
+# 老北京城影像修复
+
+完整项目见：https://aistudio.baidu.com/aistudio/projectdetail/1796293
+
+本项目运用[PaddleGAN](https://github.com/PaddlePaddle/PaddleGAN)实现了百年前老北京城视频的复原，其中将详细讲解如何运用视频的上色、超分辨率（提高清晰度）、插帧（提高流畅度）等AI修复技术，让那些先辈们的一举一动，一颦一簇都宛若眼前之人。
+
+当然，如果大家觉得这个项目有趣好用的话，希望大家能够为我们[PaddleGAN](https://github.com/PaddlePaddle/PaddleGAN)的[Github主页](https://github.com/PaddlePaddle/PaddleGAN)点Star噢~
+
+<div align='center'>
+  <img src='https://ai-studio-static-online.cdn.bcebos.com/47cea097a0284dd39fc2804a53aa8ee6dad16ffe104641258046eb05af49cd64' width='1000'/>
+</div>
+
+
+</br>
+
+<div align='center'>
+  <img src='https://ai-studio-static-online.cdn.bcebos.com/99da82cb4c0143dfa45e40c5eb13dd4543ab55daf70f4313b81eef434d1a1ff7' width='800'/>
+</div>
+
+
+## 安装PaddleGAN
+
+PaddleGAN的安装目前支持Clone GitHub和Gitee两种方式：
+
+
+```python
+# 安装ppgan
+# 当前目录在: /home/aistudio/, 这个目录也是左边文件和文件夹所在的目录
+# 克隆最新的PaddleGAN仓库到当前目录
+# !git clone https://github.com/PaddlePaddle/PaddleGAN.git
+# 如果从github下载慢可以从gitee clone：
+!git clone https://gitee.com/paddlepaddle/PaddleGAN.git
+%cd PaddleGAN/
+!pip install -v -e .
+```
+
+## PaddleGAN中要使用的预测模型介绍
+
+### 补帧模型DAIN
+
+DAIN 模型通过探索深度的信息来显式检测遮挡。并且开发了一个深度感知的流投影层来合成中间流。在视频补帧方面有较好的效果。
+
+```
+ppgan.apps.DAINPredictor(
+                        output_path='output',
+                        weight_path=None,
+                        time_step=None,
+                        use_gpu=True,
+                        remove_duplicates=False)
+```
+
+#### 参数
+
+- `output_path (str，可选的)`: 输出的文件夹路径，默认值：`output`.
+- `weight_path (None，可选的)`: 载入的权重路径，如果没有设置，则从云端下载默认的权重到本地。默认值：`None`。
+- `time_step (int)`: 补帧的时间系数，如果设置为0.5，则原先为每秒30帧的视频，补帧后变为每秒60帧。
+- `remove_duplicates (bool，可选的)`: 是否删除重复帧，默认值：`False`.
+
+### 上色模型DeOldifyPredictor
+
+DeOldify 采用自注意力机制的生成对抗网络，生成器是一个U-NET结构的网络。在图像的上色方面有着较好的效果。
+
+```
+ppgan.apps.DeOldifyPredictor(output='output', weight_path=None, render_factor=32)
+```
+
+#### 参数
+
+- `output_path (str，可选的)`: 输出的文件夹路径，默认值：`output`.
+- `weight_path (None，可选的)`: 载入的权重路径，如果没有设置，则从云端下载默认的权重到本地。默认值：`None`。
+- `render_factor (int)`: 会将该参数乘以16后作为输入帧的resize的值，如果该值设置为32，
+      则输入帧会resize到(32 * 16, 32 * 16)的尺寸再输入到网络中。
+
+### 上色模型DeepRemasterPredictor
+
+DeepRemaster 模型基于时空卷积神经网络和自注意力机制。并且能够根据输入的任意数量的参考帧对图片进行上色。
+
+```
+ppgan.apps.DeepRemasterPredictor(
+                                output='output',
+                                weight_path=None,
+                                colorization=False,
+                                reference_dir=None,
+                                mindim=360):
+```
+
+#### 参数
+
+- `output_path (str，可选的)`: 输出的文件夹路径，默认值：`output`.
+- `weight_path (None，可选的)`: 载入的权重路径，如果没有设置，则从云端下载默认的权重到本地。默认值：`None`。
+- `colorization (bool)`: 是否对输入视频上色，如果选项设置为 `True` ，则参考帧的文件夹路径也必须要设置。默认值：`False`。
+- `reference_dir (bool)`: 参考帧的文件夹路径。默认值：`None`。
+- `mindim (bool)`: 输入帧重新resize后的短边的大小。默认值：360。
+
+### 超分辨率模型RealSRPredictor
+
+RealSR模型通过估计各种模糊内核以及实际噪声分布，为现实世界的图像设计一种新颖的真实图片降采样框架。基于该降采样框架，可以获取与真实世界图像共享同一域的低分辨率图像。并且提出了一个旨在提高感知度的真实世界超分辨率模型。对合成噪声数据和真实世界图像进行的大量实验表明，该模型能够有效降低了噪声并提高了视觉质量。
+
+```
+ppgan.apps.RealSRPredictor(output='output', weight_path=None)
+```
+
+#### 参数
+
+- `output_path (str，可选的)`: 输出的文件夹路径，默认值：`output`.
+- `weight_path (None，可选的)`: 载入的权重路径，如果没有设置，则从云端下载默认的权重到本地。默认值：`None`。
+
+### 超分辨率模型EDVRPredictor
+
+EDVR模型提出了一个新颖的视频具有增强可变形卷积的还原框架：第一，为了处理大动作而设计的一个金字塔，级联和可变形（PCD）对齐模块，使用可变形卷积以从粗到精的方式在特征级别完成对齐；第二，提出时空注意力机制（TSA）融合模块，在时间和空间上都融合了注意机制，用以增强复原的功能。
+
+```
+ppgan.apps.EDVRPredictor(output='output', weight_path=None)
+```
+
+#### 参数
+
+- `output_path (str，可选的)`: 输出的文件夹路径，默认值：`output`.
+- `weight_path (None，可选的)`: 载入的权重路径，如果没有设置，则从云端下载默认的权重到本地。默认值：`None`。
+
+## 使用PaddleGAN进行视频修复
+
+
+```python
+# 导入一些可视化需要的包
+import cv2
+import imageio
+import numpy as np
+import matplotlib.pyplot as plt
+import matplotlib.animation as animation
+from IPython.display import HTML
+import warnings
+warnings.filterwarnings("ignore")
+```
+
+
+```python
+# 定义一个展示视频的函数
+def display(driving, fps, size=(8, 6)):
+    fig = plt.figure(figsize=size)
+
+    ims = []
+    for i in range(len(driving)):
+        cols = []
+        cols.append(driving[i])
+
+        im = plt.imshow(np.concatenate(cols, axis=1), animated=True)
+        plt.axis('off')
+        ims.append([im])
+
+    video = animation.ArtistAnimation(fig, ims, interval=1000.0/fps, repeat_delay=1000)
+
+    plt.close()
+    return video
+```
+
+
+```python
+# 展示一下输入的视频, 如果视频太大，时间会非常久，可以跳过这个步骤
+video_path = '/home/aistudio/Peking_input360p_clip6_5s.mp4'
+video_frames = imageio.mimread(video_path, memtest=False)
+
+# 获得视频的原分辨率
+cap = cv2.VideoCapture(video_path)
+fps = cap.get(cv2.CAP_PROP_FPS)
+    
+
+HTML(display(video_frames, fps).to_html5_video())
+```
+
+
+```python
+# 使用插帧(DAIN), 上色(DeOldify), 超分(EDVR)这三个模型对该视频进行修复
+# input参数表示输入的视频路径
+# output表示处理后的视频的存放文件夹
+# proccess_order 表示使用的模型和顺序（目前支持）
+%cd /home/aistudio/PaddleGAN/applications/
+!python tools/video-enhance.py --input /home/aistudio/Peking_input360p_clip6_5s.mp4 \
+                               --process_order DAIN DeOldify EDVR \
+                               --output output_dir
+```
+
+
+```python
+# 展示一下处理好的视频, 如果视频太大，时间会非常久，可以下载下来看
+# 这个路径可以查看上个code cell的最后打印的output video path
+output_video_path = '/home/aistudio/PaddleGAN/applications/output_dir/EDVR/Peking_input360p_clip6_5s_deoldify_out_edvr_out.mp4'
+
+video_frames = imageio.mimread(output_video_path, memtest=False)
+
+# 获得视频的原分辨率
+cap = cv2.VideoCapture(output_video_path)
+fps = cap.get(cv2.CAP_PROP_FPS)
+    
+
+HTML(display(video_frames, fps, size=(16, 12)).to_html5_video())
+```
\ No newline at end of file