中高端社交网站建设服务商,网站开发税收分类,电商类网站开发项目书,邢台建设企业网站费用本文介绍一个去雾算法ChaIR的使用方法#xff0c;可以完成图像去雾#xff0c;也可以用于图像去雨、去噪音等任务。本文不涉及论文原理#xff0c;只包含源代码的跑通和使用。
先展示一下效果#xff1a;
原图去雾
论文#xff1a;Exploring the potential of channel …本文介绍一个去雾算法ChaIR的使用方法可以完成图像去雾也可以用于图像去雨、去噪音等任务。本文不涉及论文原理只包含源代码的跑通和使用。
先展示一下效果
原图去雾
论文Exploring the potential of channel interactions for image restoration
代码地址https://github.com/c-yn/ChaIR/tree/main/Dehazing
本文的代码及数据集、训练好的权重图像去雾代码-SOTS划分好的82数据集-训练好的去雾权重-包含推理代码
一、准备数据集
作者在github中给出了去雾数据集reside-indoorreside-outdoor SOTS的地址因为reside-indoor/outdoor太大了本文介绍SOTS数据集的使用方法。
数据集地址
数据集google drive百度云reside-indoorhttps://drive.google.com/drive/folders/1pbtfTp29j7Ip-mRzDpMpyopCfXd-ZJhC?uspsharing百度网盘 请输入提取码reside-outdoorhttps://drive.google.com/drive/folders/1eL4Qs-WNj7PzsKwDRsgUEzmysdjkRs22?uspsharing-SOTShttps://drive.google.com/file/d/16j2dwVIa9q_0RtpIXMzhu-7Q6dwz_D1N/view?uspsharing百度网盘 请输入提取码
这里请注意使用SOTS需要将其转换为如下格式 SOTS数据集也有indoor和outdoor本文只使用outdoor本文将SOTS outdoor数据集按照82划分训练集和测试集并提供转换好的数据连接SOTS数据集82划分训练和验证集可用于训练去雾模型
准备好了数据集之后按照如下目录结构放置即可 至此数据集准备完成。
二、安装环境
接下来安装conda环境首先下载代码
git clone https://github.com/c-yn/ChaIR.git
cd ChaIR
创建虚拟环境
conda create -n chair python3.10
conda activate chair
按照官网教程安装pytorch,我安装的是torch 2.3.1 cuda118可以跳过
conda install pytorch torchvision torchaudio pytorch-cuda11.8 -c pytorch -c nvidia
安装pytorch-gradual-warmup-lr
cd pytorch-gradual-warmup-lr
python setup.py install
后续使用过程中会提示缺少相关库因为源代码未提供requirements.txt库缺少的库需要自行安装本文不做赘述。
三、训练验证
环境安装完成因为本文只介绍去雾模型所以进入ChaIR/Dehazing/OTS目录
cd ChaIR/Dehazing/OTS
开始训练如果显存不够可以降低batch size我用的rtx3060我把batch size降低为2
python main.py --mode train --data_dir SOTS/outdoor
训练完成后results/ChaIR目录的ots里面有权重如下图 使用best权重进行验证
python main.py --data_dir SOTS/outdoor --test_model results/ChaIR/ots/Best.pkl
可以看到我训练的精度 四、推理
因为ChaIR没有推理代码所以自己写了一个推理代码进行推理效果如下图
原图标签ChaIR推理结果自己的权重
本文提供训练好的模型和推理代码以及数据集地址图像去雾代码-SOTS划分好的82数据集-训练好的去雾权重-包含推理代码
