如何跑通基于AOD-NET的去雾算法
文章目录
- 如何跑通基于AOD-NET的去雾算法
- 前言`
- 一、环境配置
- 二、资源
- 三、代码使用方法
- 四、运行
- 五、注明
前言`
论文来源：
如果想要了解算法原理请看这篇文章https://blog.csdn.net/Flag_ing/article/details/108923617
一、环境配置
window10或window11系统
python3.7 ; pytorch0.4 ;使用Anaconda来管理编程环境；
python语言编程软件为pycharm
二、资源
论文地址：https://arxiv.org/pdf/1707.06543.pdf
相关代码：https://github.com/MayankSingal/PyTorch-Image-Dehazing
数据集下载：https://sites.google.com/site/boyilics/website-builder/project-pag
————————————————
三、代码使用方法
在给github下载完代码之后得到这个文件
将其解压缩后，文件中包含这些东西
在此未知新建文件夹命名为data
打开data，新建data和images文件夹，将在原作者网站中下载的两个数据数据集training images和original images的图片分别复制进data和images文件夹中。原作者的数据集可能需要翻墙进去下载，下载不了的我可以分享到评论区，外加其在GitHub中的代码。
该两个数据集分别如下：
使用pycharm打开项目工程文件
需要修改的代码部分：
1、dataloader.py 中的第27行中的代码：
image = image.split("/")[-1]
改变后为：
image = image.split("/")[-1][5:]
2、dehaze.py 中的第31行中的代码：
torchvision.utils.save_image(torch.cat((data_hazy, clean_image),0), "results/" + image_path.split("/")[-1])
改变后为：
torchvision.utils.save_image(torch.cat((data_hazy, clean_image), 0), "results/" + image_path.split("/")[-1][5:])
改变之后即可运行代码，在经过10个左右的周期后，网络模型即可形成。
四、运行
运行train.py，对网络进行训练
将有雾图像放到test_images中，运行dehaze.py，测试去雾效果。
去雾后的图片放在result文件夹中，去雾后的图片如下所示：
五、注明
使用代码和数据集时需说明原文，代码和数据集来源。
文章出处登录后可见！
