PromptIR 项目使用教程

PromptIR 项目使用教程

PromptIR PromptIR: Prompting for All-in-One Blind Image Restoration [NeurIPS 2023] 项目地址: https://gitcode.com/gh_mirrors/pr/PromptIR

1. 项目的目录结构及介绍

PromptIR/
├── ckpt/
│   └── (模型检查点文件)
├── data/
│   └── Train/
│       └── (训练数据)
├── data_dir/
│   └── (数据目录)
├── net/
│   └── (网络相关文件)
├── utils/
│   └── (工具文件)
├── .gitignore
├── INSTALL.md
├── LICENSE.md
├── README.md
├── demo.py
├── env.yml
├── mainfig.png
├── options.py
├── prompt-ir-results.png
├── test.py
├── train.py
└── (其他文件)

目录结构介绍

• ckpt/: 存放模型检查点文件的目录。
• data/: 存放训练数据的目录。
• data_dir/: 数据目录。
• net/: 存放网络相关文件的目录。
• utils/: 存放工具文件的目录。
• .gitignore: Git忽略文件配置。
• INSTALL.md: 安装指南。
• LICENSE.md: 项目许可证。
• README.md: 项目介绍文档。
• demo.py: 演示脚本。
• env.yml: 环境配置文件。
• mainfig.png: 主图文件。
• options.py: 选项配置文件。
• prompt-ir-results.png: 结果图文件。
• test.py: 测试脚本。
• train.py: 训练脚本。

2. 项目的启动文件介绍

train.py

train.py 是用于启动模型训练的脚本。通过该脚本，用户可以选择不同的降质类型进行训练。

使用示例：

python train.py --de_type derain dehaze

test.py

test.py 是用于启动模型测试的脚本。用户可以通过设置不同的模式来评估模型在不同降质类型上的表现。

使用示例：

python test.py --mode 3

demo.py

demo.py 是用于演示的脚本。用户可以通过该脚本对图像进行推理，并生成可视化结果。

使用示例：

python demo.py --test_path '/test/demo/' --output_path '/output/demo/'

3. 项目的配置文件介绍

env.yml

env.yml 是用于配置项目运行环境的文件。用户可以通过该文件创建一个虚拟环境，并安装所需的依赖包。

使用示例：

conda env create -f env.yml

options.py

options.py 是用于配置训练和测试选项的文件。用户可以通过修改该文件中的参数来调整模型的训练和测试行为。

主要配置项：

• de_type: 降质类型，如 derain、dehaze 等。
• mode: 测试模式，如 0 表示去噪，1 表示去雨，2 表示去雾，3 表示全模式。

INSTALL.md

INSTALL.md 是项目的安装指南。用户可以通过该文件了解如何安装项目所需的依赖和准备数据集。

主要内容：

• 依赖安装
• 数据集准备
• 模型训练和测试

通过以上模块的介绍，用户可以快速了解并使用 PromptIR 项目进行图像恢复任务。

PromptIR PromptIR: Prompting for All-in-One Blind Image Restoration [NeurIPS 2023] 项目地址: https://gitcode.com/gh_mirrors/pr/PromptIR