FusionGAN图像融合代码学习

最新推荐文章于 2024-03-31 15:57:21 发布
最新推荐文章于 2024-03-31 15:57:21 发布
阅读量8.9k 收藏 138
点赞数 27
分类专栏： 图像融合 文章标签： tensorflow 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LingXuan46854534/article/details/106658517
版权

FusionGAN代码

FusionGAN简介

FusionGAN是使用生成对抗式神经网络（GAN）来完成红外和可见光图像融合任务，并且取得了很好的实验效果。

论文地址

FusionGAN论文地址：
FusionGAN: A generative adversarial network for infrared and visible image fusion

FusionGAN代码

FusionGAN代码已经开源在GitHub上FusionGAN代码

FusionGAN开源代码内容

代码下载好，解压后，应该有如下内容FusionGAN开源代码自带文件
cheatpoint文件夹中CGAN_120文件夹内存放的是预训练模型
Train_ir/Train_vi分别存放的是训练用的红外和可见光数据集
Test_ir/Test_vi分别存放的是测试用的红外和可见光数据集

使用预训练模型运行代码

如果只需要使用预训练模型运行代码，只需要运行test_one_image.py文件即可，运行代码为

python3 test_one_image.py

这里使用python3是因为我使用的环境原因，如果您运行报错可尝试使用如下代码

python test_one_image.py

运行正确后，
使用预训练模型测试数据集
实验结果会保存在result文件夹中

使用FusionGAN训练自己的数据集

训练过程

数据集相关

红外和可见光图像训练数据集分别放在Train_ir/Train_vi中，代码默认图像必须是.bmp格式，如果数据集不是.bmp格式，则需要修改utils.py文件第72行代码，修改.bmp为你数据集中的图片格式

  if FLAGS.is_train:
    filenames = os
最低0.47元/天 解锁文章
J.Hou
关注
  • 27
    点赞
  • 踩
  • 138
    收藏
    觉得还不错? 一键收藏
  • 63
    评论
专栏目录
FusionGAN.zip
08-27
基于Pytorch实现的深度学习项目 代码可直接运行包含代码
FusionGAN:GAN应用
04-27
聚变 GAN应用基于GAN的相同分辨率的红外和可见图像融合
FusionGAN-master.zip_GAN 红外_图像融合_生成对抗网络_红外 可见光
07-14
用生成对抗网络了进行红外和可见光图像融合
FusionGAN论文理解
最新发布
weixin_59925588的博客
03-31 537
本文提出了一种使用生成对抗网络融合可见光和红外图像这两种类型信息的新方法，称为FusionGAN。主要方法是通过生成器与判别器之间的对抗，将V和I图像融合，其中生成器旨在生成具有主要红外强度以及附加可见梯度的融合图像，而判别器目的是使融合图像具有更多的可见光图像的细节。
FusionGAN:聚变
05-11
聚变 FusionGAN的代码，用于红外和可见光图像融合的GAN模型 有关算法的详细信息，请参阅我们的以下论文： 马佳宜，于伟，梁鹏伟，李昌和江俊军。 “ FusionGAN：用于红外和可见图像融合的生成对抗网络”，信息融合，第48期，第11-26页，2019年8月。
FusionGAN：VIIF
weixin_43690932的博客
10-18 730
仅供自己参考
FusionGAN
m0_46285064的博客
06-29 426
FusionGAN代码的环境配置
FusionGAN-Tensorflow:FusionGAN的简单Tensorflow实施（CVPR 2018）
04-28
FusionGAN-Tensorflow 简单Tensorflow实施 （CVPR 2018） 要求 Tensorflow 1.8 Python 3.6 用法 ├── dataset    └── YOUR_DATASET_NAME    ├── trainA           ├── xxx.jpg (name, format doesn't matter) ├── yyy.png └── ...    ├── trainB ├── zzz.jpg ├── www.png └── ...    ├── testA    ├── aaa.jpg ├── bbb.png └── ...   
FusionGAN零基础详细解读
WLB 的博客
09-14 3059
文章目录总览概括捋一捋思路main函数中,先预定义了超参数,然后建立了模型CGAN(),紧接着进行了训练train()build_model分为好几步:train部分需要一些处理:廓清概念utils中代码的注解:1. scope.reuse_variables()2. 对W进行的操作3. L2范数:4.add_to_collection（名称，值）5. lrelu:把x<0的区域抬起来一些6. input_setup: np.lib.padmodel模块中的注解:1. tf.Variable()和t
FusionGAN代码学习（一）
qq_46165876的博客
07-23 1846
FusionGAN代码学习（一）
【矩池云】FusionGan环境搭建
一只大憨憨的博客
05-10 1030
目的是让，If将逐渐包含可见光图像Iv中越来越多的细节信息，如果在训练阶段期间，一旦生成器GθG生成样本（即，如果）不能被鉴别器DθD区分，则期望的融合图像If，说明包含了足够多的细节信息。其中a和B分别表示融合图像If和可见光图像Iv的标签，DθD（Iv）和DθD（If）分别表示可见光图像和融合图像的分类结果。Lcontent的第一项旨在保持融合图像If中的红外图像Ir的热辐射信息，Lcontent的第二项旨在保持可见图像Iv中包含的梯度信息，并且ξ是控制两项之间的折衷的正参数。
基于语义分割的红外和可见光图像融合.docx
06-10
如：Ma 等人的 FusionGAN 使用生成式对抗神经网络来完成融合任务，通过生成器和鉴别器的对抗，来使融合图像保留更丰富的信息。Zhang 等人的 PMGI 从图像梯度和对比度 2 条路径来提取图像信息，并且在同一条路径上...
多传感器信息融合目标检测.zip
01-23
多传感器信息融合目标检测:运用生成对抗网络进行激光雷达和可见光图像融合检测 Paper： [1] Zhang H, Hua H, Liu T. CrossGAN-Detection: A generative adversarial network with directly controllable fusion ...
FusionGAN详解
m0_47005029的博客
04-01 1127
内容损失旨在保留红外图像中的辐射信息和可见光图像中的梯度信息，而对抗损失旨在保留表征可见光图像中的细节信息的其他重要属性，诸如图像对比度、饱和度和照明变化。在对抗过程中，生成器不断地将融合图像中的细节信息的分布拟合到可见光图像中的细节信息的分布，同时保留红外辐射信息。当鉴别器不能区分融合图像和可见光图像时，则认为融合图像中的细节信息分布与可见光图像中的细节信息分布相同，因此融合图像在视觉上具有更多的纹理细节提出了一种基于生成式对抗网络的红外与可见光图像融合方法。
FusionGAN：一种生成式红外与可见光图像融合对抗网络
Linagee的博客
03-29 8045
FusionGAN：一种生成式红外与可见光图像融合对抗网络FusionGAN：一种生成式红外与可见光图像融合对抗网络简要介绍损失函数网络架构训练细节实验应用于融合不同分辨率的图像（低分辨率红外图像和高分辨率可见光图像）总结 FusionGAN：一种生成式红外与可见光图像融合对抗网络 简要介绍 生成器：生成具有较大红外强度和附加可见梯度的融合图。 鉴别器：强制融合图有更多可见图中的纹理。 特点：端到端。还推广到了不同分辨率的图像。 效果：融合图像清晰、干净，高于平均技术水准。 过去方法的问题/不足： 主要的融
Python3.6 + TensorFlow 安装（Windows 64 bit）
热门推荐
yz960611的博客
11-15 7万+
本文主要介绍Python3.6及TensorFlow的安装和配置流程。 一、Python官网下载自己电脑和系统对应的Python安装包。 网址：https://www.python.org/downloads/release/python-363/  一直往下拉到Files,这里我下载的是Windows x86-64 executable installer 二、下载完成后
矩池云服务器初尝试-通过pycharm远程连接进行FusionGAN代码复现
chy5764的博客
09-05 1267
本文主要记载一些遇到的坑和一些自己误解的概念性问题，通过对FusionGAN复现来熟悉矩池云。
gan与dcgan训练自己的数据集
古月哥欠666的博客
11-29 2361
一般需要设置epoch ，batch_size，out_dir，dataset，input_fname_pattern等参数，另外训练的时候加上–train,需要裁剪图片的话加上–crop与input_height，output_height，也要加上visualize进行可视化，可以查看不同批次的训练结果。其实就是batch_size设置的问题，因为代码中有开放操作，所以batch_size设置最好是能被开放整数，例如4，16，32等，另外也要注意图片总的个数大于且是batch_size的整数倍。
FusionGAN-master代码运行
05-10
FusionGAN-master 是一个图像融合的深度学习模型，可以将两张不同风格的图片进行融合。运行 FusionGAN-master 的代码需要以下步骤： 1. 下载代码：从 GitHub 上下载 FusionGAN-master 代码。 2. 安装依赖：在 Python 环境中安装必要的依赖包，如 Tensorflow、numpy、Pillow 等。 3. 准备数据：在 FusionGAN-master 的 data 目录下，创建 trainA 和 trainB 两个子目录，分别存放两组不同风格的图像。每个子目录下的图片应该是成对的，即两个目录下的图片文件名相同。 4. 训练模型：在 Python 环境中运行 train.py 文件，开始训练模型。在训练过程中，模型会自动保存每个 epoch 的训练结果。 5. 测试模型：在 Python 环境中运行 test.py 文件，测试训练好的模型效果。在测试过程中，程序会自动从 testA 和 testB 目录下读取测试图片，并将融合结果保存到 results 目录下。 需要注意的是，FusionGAN-master 的代码比较复杂，需要一定的深度学习和 Python 编程经验才能顺利运行。此外，训练模型需要较长的时间和大量的计算资源，建议使用 GPU 进行加速。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 63
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值