AOD-NET に基づく曇り除去アルゴリズムを実行する方法
序文`
論文の出典:
アルゴリズムの原理を理解したい場合は、この記事を読んでくださいhttps://blog.csdn.net/Flag_ing/article/details/108923617
1. 環境構築
window10 または window11 システム
python3.7; pytorch0.4; Anaconda を使用してプログラミング環境を管理する;
Python 言語プログラミング ソフトウェアは pycharm
2. リソース
論文アドレス: https://arxiv.org/pdf/1707.06543.pdf
関連コード: https://github.com/MayankSingal/PyTorch-Image-Dehazing
データセットのダウンロード: https://sites.google.com/site/boyilics/website-builder/project-pag
———————————————
3. コードの使用方法
github からコードをダウンロードした後、このファイルを取得します
解凍すると、ファイルには次のものが含まれます
ここに不明な新しいフォルダーを作成し、data という名前を付けます
データを開き、新しいデータ フォルダーと画像フォルダーを作成し、2 つのデータ セットの画像 (トレーニング画像と元の作成者の Web サイトからダウンロードした元の画像) をそれぞれデータ フォルダーと画像フォルダーにコピーします。元の作成者のデータ セットは、ウォール経由でダウンロードする必要がある場合があります。ダウンロードできない場合は、コメント エリアで共有し、そのコードを GitHub で共有できます。
2 つのデータセットは次のとおりです。
pycharmを使用してプロジェクトファイルを開きます
変更する必要があるコード部分:
1. dataloader.py の 27 行目のコード:
image = image.split("/")[-1]
変更後:
image = image.split("/")[-1][5:]
2. dehaze.py の 31 行目のコード:
torchvision.utils.save_image(torch.cat((data_hazy, clean_image),0), "results/" + image_path.split("/")[-1])
変更後:
torchvision.utils.save_image(torch.cat((data_hazy, clean_image), 0), "results/" + image_path.split("/")[-1][5:])
変更を加えた後、コードを実行すると、約 10 サイクル後にネットワーク モデルが形成されます。
4. 操作
train.py を実行してネットワークをトレーニングします
かすんだ画像を test_images に配置し、dehaze.py を実行してかすみ除去効果をテストします。
かすみを除去した画像は結果フォルダーに配置されます。かすみを除去した画像は次のとおりです。
5. 注意事項
コードとデータ セットを使用する場合は、元のテキスト、コード、データ セットのソースを明記する必要があります。