More formats

Signed-off-by: lizz <[email protected]>
open-mmlab · Jul 21, 2021 · 0c8b62b · 0c8b62b
1 parent 368ea38
commit 0c8b62b
Show file tree

Hide file tree

Showing 4 changed files with 14 additions and 6 deletions.
diff --git a/tools/data/super-resolution/README_zh-CN.md b/tools/data/super-resolution/README_zh-CN.md
@@ -1,7 +1,9 @@
 # 超分辨率数据集
-建议将数据集的根目录链接到 `$MMEDITING/data` 下，如果你的文件目录结构不一致，那么你可能需要在配置文件中修改对应的文件路径。
+
+建议将数据集的根目录链接到 `$MMEDITING/data` 下，如果您的文件目录结构不一致，那么可能需要在配置文件中修改对应的文件路径。
 
 MMEditing 支持下列超分辨率数据集：
+
 - 图像超分辨率
     - [DIV2K](div2k/README.md) \[ [Homepage](https://data.vision.ee.ethz.ch/cvl/DIV2K/) \]
 - 视频超分辨率

diff --git a/tools/data/super-resolution/div2k/README_zh-CN.md b/tools/data/super-resolution/div2k/README_zh-CN.md
@@ -45,9 +45,11 @@ mmediting
 ## 裁剪子图
 
 为了加快 IO，建议将 DIV2K 中的图片裁剪为一系列子图，为此，我们提供了一个脚本：
+
 ```shell
 python tools/data/super-resolution/div2k/preprocess_div2k_dataset.py --data-root ./data/DIV2K
 ```
+
 生成的数据保存在 `DIV2K` 目录下，其文件结构如下所示，其中 `_sub` 表示子图:
 
 ```text
@@ -73,7 +75,7 @@ mmediting
 
 ## 准备标注列表文件
 
-如果你想使用`标注模式`来处理数据集，你需要先准备一个 `txt` 格式的标注文件。
+如果您想使用`标注模式`来处理数据集，需要先准备一个 `txt` 格式的标注文件。
 
 标注文件中的每一行包含了图片名以及图片尺寸（这些通常是 ground-truth 图片），这两个字段用空格间隔开。
 
@@ -86,7 +88,7 @@ mmediting
 
 ## 准备 LMDB 格式的 DIV2K 数据集
 
-如果你想使用 `LMDB` 以获得更快的 IO 速度，可以通过以下脚本来构建 LMDB 文件
+如果您想使用 `LMDB` 以获得更快的 IO 速度，可以通过以下脚本来构建 LMDB 文件
 
 ```shell
 python tools/data/super-resolution/div2k/preprocess_div2k_dataset.py --data-root ./data/DIV2K --make-lmdb

diff --git a/tools/data/super-resolution/reds/README_zh-CN.md b/tools/data/super-resolution/reds/README_zh-CN.md
@@ -47,7 +47,8 @@ mmediting
 
 ## 准备 LMDB 格式的 REDS 数据集
 
-如果你想使用 `LMDB` 以获得更快的 IO 速度，可以通过以下脚本来构建 LMDB 文件：
+如果您想使用 `LMDB` 以获得更快的 IO 速度，可以通过以下脚本来构建 LMDB 文件：
+
 ```shell
 python tools/data/super-resolution/reds/preprocess_reds_dataset.py --root-path ./data/REDS --make-lmdb
 ```
diff --git a/tools/data/super-resolution/vimeo90k/README_zh-CN.md b/tools/data/super-resolution/vimeo90k/README_zh-CN.md
@@ -14,9 +14,11 @@
   publisher={Springer}
 }
 ```
+
 训练集和测试集可以从 [此处](http://toflow.csail.mit.edu/) 下载。
 
 Vimeo90K 数据集包含了如下所示的 `clip/sequence/img` 目录结构：
+
 ```text
 ├── GT/LQ
 │   ├── 00001
@@ -32,6 +34,7 @@ Vimeo90K 数据集包含了如下所示的 `clip/sequence/img` 目录结构：
 ```
 
 ## 准备 Vimeo90K 数据集的标注文件
+
 为了准备好训练所需的标注文件，请先从 Vimeo90K 数据集官网下载训练路径列表，随后执行如下命令：
 
 ```shell
@@ -40,10 +43,10 @@ python tools/data/super-resolution/vimeo90k/preprocess_vimeo90k_dataset.py ./dat
 
 测试集的标注文件可通过类似方式生成.
 
-
 ## 准备 LMDB 格式的 Vimeo90K 数据集
 
-如果你想使用 `LMDB` 以获得更快的 IO 速度，可以通过以下脚本来构建 LMDB 文件
+如果您想使用 `LMDB` 以获得更快的 IO 速度，可以通过以下脚本来构建 LMDB 文件
+
 ```shell
 python tools/data/super-resolution/vimeo90k/preprocess_vimeo90k_dataset.py ./data/Vimeo90K/official_train_list.txt --gt_path ./data/Vimeo90K/GT --lq_path ./data/Vimeo90K/LQ  --make-lmdb
 ```