VIF_Benchmark
完整Project下载地址：https://download.csdn.net/download/fovever_/87514164
我们把所有主流的基于深度学习的红外和可见光图像融合方法都集成在了这个框架中。
这些方法包括：CSF, CUFD, DIDFuse, DIVFusion, DenseFuse, FusionGAN, GAN-FM, GANMcC, IFCNN, NestFuse, PIAFusion, PMGI, RFN-Nest, SDNet, STDFusionNet, SeAFusion, SuperFusion, SwinFusion, TarDAL, U2Fusion, UMF-CMGR
你可以把你的红外图像放在: './datsets/test_imgs/ir’文件夹下，可见光图像放在: './datsets/test_imgs/vi’文件夹下,
然后运行：Python All_in_One.py, 融合结果存放在 ./Results 下。
如果你不需要要运行这么多方法，请修改All_in_One.py文件中的 Method_list。
为了确保程序能够正常运行请把这个项目在Ubuntu系统下面，并利用 conda env create -f timer.yml 安装相应的环境。
我的配置为： Ubuntu 18.04.3, TITAN RTX, CUDA 10.1,
整理不易，欢迎点赞, 收藏, 关注三连本篇博客，并Star 我们的Github项目：VIF-Benchmark, 也请通过Github引用我们的相关文献，您的支持是我们持续更新的动力。
由于Github的限制，目前DIVFusion的checkpoint缺少 decom.ckpt文件，你可以从作者的原始项目DIVFusion中下载该checkpoint，也可联系我下载。
部分融合结果展示如下：
关于原始项目的问题，请根据对应项目的作者，如果有关于这个项目的问题，请联系：[email protected] or QQ：[email protected]（备注 姓名+学校）。