【如何跑通基于AOD-NET的去雾算法】

这篇具有很好参考价值的文章主要介绍了【如何跑通基于AOD-NET的去雾算法】。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

如何跑通基于AOD-NET的去雾算法



前言`

论文来源:aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch
aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch

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
aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch

将其解压缩后,文件中包含这些东西
aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch

在此未知新建文件夹命名为data
aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch

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。
aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch

该两个数据集分别如下:
aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch

aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch

使用pycharm打开项目工程文件
aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch


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
aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch

将有雾图像放到test_images中,运行dehaze.py,测试去雾效果。
aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch

去雾后的图片放在result文件夹中,去雾后的图片如下所示:

aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch
aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch

aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch

aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch

aodnet图像去雾,python,计算机视觉,卷积神经网络,pytorch


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!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • FPGA实现图像去雾 基于暗通道先验算法 纯verilog代码加速 提供2套工程源码和技术支持

    FPGA实现图像去雾 基于暗通道先验算法 纯verilog代码加速 提供3套工程源码和技术支持 没玩过图像缩放和视频拼接都不好意思说自己玩儿过FPGA,这是CSDN某大佬说过的一句话,鄙人深信不疑。。。本文详细描述了FPGA实现图像去雾的实现设计方案,视频输入源有两种,一种是板载

    2024年02月01日
    浏览(43)
  • 紫光同创FPGA实现图像去雾 基于暗通道先验算法 纯verilog代码加速 提供2套工程源码和技术支持

    紫光同创FPGA实现图像去雾 基于暗通道先验算法 纯verilog代码加速 提供2套工程源码和技术支持 2019年初我刚出道时,还是Xilinx遥遥领先的时代(现在貌似也是),那时的国产FPGA还处于黑铁段位,国产FPGA仰望Xilinx情不自禁道:你以为躲在这里就找不到你吗?没用的,你那样拉轰的

    2024年02月06日
    浏览(41)
  • 图像去雾算法--暗通道先验去雾算法

    图像去雾: 在雾天拍摄的图像容易受雾或霾的影响,导致图片细节模糊、对比度低以至于丢失图像重要信息,为解决此类问题图像去雾算法应运而生。图像去雾算法是以满足特定场景需求、突出图片细节并增强图片质量为目的的一种图像分析与处理方法。               图

    2024年02月05日
    浏览(40)
  • 图像去雾算法评价指标

    评价一个去雾算法的好坏,常常使用主观评价法和客观评价法。 主观评价即通过肉眼观察经过去雾处理的图像,从图像的纹理特征、对比度、饱和度及细节信息等多方面进行感官感受和评价。主观评价主要是通过人眼视觉系统的主观感受在确定好的评价基础上做出相应的判断

    2024年02月06日
    浏览(38)
  • [Python从零到壹] 七十三.图像识别及经典案例篇之图像去雾ACE算法和暗通道先验去雾算法实现

    十月太忙,还是写一篇吧!祝大家1024节日快乐O(∩_∩)O 欢迎大家来到“Python从零到壹”,在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解,真心想把自己近十年的编程经验分享给大家

    2024年01月17日
    浏览(43)
  • 目标检测算法——图像去雾开源数据集汇总(速速收藏)

    下载地址:http://m6z.cn/5IBauH RESIDE数据集包括合成和真实世界的模糊图像,称为REalistic Single Image Dehazing,RESIDE突出显示了各种数据源和图像内容,并分为五个子集,每个子集用于不同的训练或评估目的。提供了各种各样的去雾算法评估标准,从完整参考度量,无参考度量,到主

    2024年02月06日
    浏览(36)
  • 计算机视觉:暗通道去雾算法的原理及python实现

    暗通道先验去雾算法是何恺明2009年发表在CVPR上的一篇论文,还获得了当年的CVPR最佳论文 原文链接:IEEE Xplore Full-Text PDF: 本篇论文提出了一种简单但是有效的图像先验条件——暗通道先验法从一幅输入图像中去雾。暗通道先验是一种对于大量户外有雾图像的统计结果,**它最

    2024年02月07日
    浏览(34)
  • 毕业设计-基于 MATLAB 的图像去雾技术研究

    目录 前言 课题背景和意义 实现技术思路 一、常用图像去雾算法  二、基于 MATLAB 的图像去雾系统  三、图像质量评价 部分源代码 实现效果图样例 最后     📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大

    2024年02月01日
    浏览(71)
  • 如何评价滤波器的去噪效果?

    假如使用两种滤波器,那么滤波效果如何去评价 1 ? 为了能够得到高质量的去噪后信号,需要对滤波器的滤波效果进行评价,选取去噪效果最好的滤波器对原始信号进行去噪处理。 一般使用 信噪比和峰值信噪比 对滤波器进行量化评价, 信噪比和峰值信噪比的值越大,说明

    2024年02月03日
    浏览(112)
  • Matlab小波去噪——基于wden函数的去噪分析

    1.利用MATLAB绘制原始信号,对其加6分贝高斯白噪声; 2.以Minimaxi阈值法,软阈值函数,3层分解层数,分别用dbN和symN小波对加噪信号去噪,获得分解图和去噪后的图,并用信噪比和均方根误差作为评判标准,确定合适的小波基函数; 3.用第2步确定的小波基函数,软阈值函数,

    2024年02月04日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包