复现论文Dehamer（CVPR2022）

论文: https://openaccess.thecvf.com/content/CVPR2022/papers/Guo_Image_Dehazing_Transformer_With_Transmission-Aware_3D_Position_Embedding_CVPR_2022_paper.pdf

github: GitHub - Li-Chongyi/Dehamer

1、克隆项目

cd ~
git clone https://github.com/Li-Chongyi/Dehamer.git

2、配置虚拟环境（GTX1050内存不足无法训练，RTX4070可以训练但要CUDA版本cuda11+）

cd ~/Dehamer
conda env create -f environment.yaml
conda activate dehamer
conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=11.3 -c pytorch -c conda-forge 

3、下载作者训练好的模型（提取码：1tap）

https://pan.baidu.com/s/1i6A_Vjq-WUSLUJYMyYvlew

放入Dehamer中（文件结构如下）

Dehamer
   |- ckpts
      |- dense
         |- PSNR1662_SSIM05602.pt 
      |- NH
         |- PSNR2066_SSIM06844.pt
      |- indoor
         |- PSNR3663_ssim09881.pt
      |- outdoor
         |- PSNR3518_SSIM09860.pt

如果你想自己训练训练数据集

（0，1表示使用GPU0和GPU1，--dataset-name指定数据集名称， --train-dir和--valid-dir指定数据集训练文件路径和测试文件路径，--ckpt指定训练模型存放位置）

CUDA_VISIBLE_DEVICES=0,1 python src/train.py \
  --dataset-name NH \
  --train-dir ./data/train_NH/ \
  --valid-dir ./data/valid_NH/ \
  --ckpt-save-path ../ckpts \
  --ckpt-overwrite \
  --nb-epochs 5000 \
  --batch-size 2\
  --train-size 800 1200  \
  --valid-size 800 1200 \
  --loss l1 \
  --plot-stats \
  --cuda  

4、测试数据集（0代表使用GPU0，NH表示指定数据集NH）

CUDA_VISIBLE_DEVICES=0 python src/test_PSNR.py  \
--dataset-name NH  

5、测试经典图片和自定义图片（0代表使用GPU0，mypicture表示你自己的图片路径）

CUDA_VISIBLE_DEVICES=0 python src/test_PSNR.py  \
--dataset-name our_test -t mypicture