【如何跑通基于AOD |
您所在的位置:网站首页 › netpython › 【如何跑通基于AOD |
如何跑通基于AOD-NET的去雾算法
文章目录
如何跑通基于AOD-NET的去雾算法前言`一、环境配置二、资源三、代码使用方法四、运行五、注明
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: 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。 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |