如何跑通基于AOD-NET的去雾算法
前言`
论文来源:
如果想要了解算法原理请看这篇文章https://blog.csdn.net/Flag_ing/article/details/108923617
一、环境配置
window10或window11系统
python3.7 ; pytorch0.4 ;使用Anaconda来管理编程环境;
python语言编程软件为pycharm
二、资源
论文地址:https://arxiv.org/pdf/1707.06543.pdf
相关代码:https://github.com/MayankSingal/PyTorch-Image-Dehazing
数据集下载:https://sites.google.com/site/boyilics/website-builder/project-pag
————————————————
三、代码使用方法
在给github下载完代码之后得到这个文件
将其解压缩后,文件中包含这些东西
在此未知新建文件夹命名为data
打开data,新建data和images文件夹,将在原作者网站中下载的两个数据数据集training images和original images的图片分别复制进data和images文件夹中。原作者的数据集可能需要翻墙进去下载,下载不了的我可以分享到评论区,外加其在GitHub中的代码。
该两个数据集分别如下:
使用pycharm打开项目工程文件
需要修改的代码部分:
1、dataloader.py 中的第27行中的代码:
image = image.split("/")[-1]
改变后为:
image = image.split("/")[-1][5:]
2、dehaze.py 中的第31行中的代码:
torchvision.utils.save_image(torch.cat((data_hazy, clean_image),0), "results/" + image_path.split("/")[-1])
改变后为:
torchvision.utils.save_image(torch.cat((data_hazy, clean_image), 0), "results/" + image_path.split("/")[-1][5:])
改变之后即可运行代码,在经过10个左右的周期后,网络模型即可形成。
四、运行
运行train.py,对网络进行训练
将有雾图像放到test_images中,运行dehaze.py,测试去雾效果。
去雾后的图片放在result文件夹中,去雾后的图片如下所示:
文章来源:https://www.toymoban.com/news/detail-788211.html
五、注明
使用代码和数据集时需说明原文,代码和数据集来源。文章来源地址https://www.toymoban.com/news/detail-788211.html
到了这里,关于【如何跑通基于AOD-NET的去雾算法】的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!