当前位置:   article > 正文

复现论文Dehamer(CVPR2022)

dehamer

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

  1. cd ~
  2. 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+)

  1. cd ~/Dehamer
  2. conda env create -f environment.yaml
  3. conda activate dehamer
  4. 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)

  1. Dehamer
  2.    |- ckpts
  3.       |- dense
  4.          |- PSNR1662_SSIM05602.pt 
  5.       |- NH
  6.          |- PSNR2066_SSIM06844.pt
  7.       |- indoor
  8.          |- PSNR3663_ssim09881.pt
  9.       |- outdoor
  10.          |- 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)

  1. CUDA_VISIBLE_DEVICES=0,1 python src/train.py \
  2.   --dataset-name NH \
  3.   --train-dir ./data/train_NH/ \
  4.   --valid-dir ./data/valid_NH/ \
  5.   --ckpt-save-path ../ckpts \
  6.   --ckpt-overwrite \
  7.   --nb-epochs 5000 \
  8.   --batch-size 2\
  9.   --train-size 800 1200  \
  10.   --valid-size 800 1200 \
  11.   --loss l1 \
  12.   --plot-stats \
  13.   --cuda  

4、测试数据集(0代表使用GPU0,NH表示指定数据集NH)

  1. CUDA_VISIBLE_DEVICES=0 python src/test_PSNR.py  \
  2. --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)

  1. CUDA_VISIBLE_DEVICES=0 python src/test_PSNR.py  \
  2. --dataset-name our_test -t mypicture
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/煮酒与君饮/article/detail/757652
推荐阅读
相关标签
  

闽ICP备14008679号