图像去噪
文章平均质量分 72
彭祥.
本科专业软件开发,主为 Java编程,如Spring、SpringBoot等;研究生期间主修图像目标检测,对DETR、YOLO等目标检测方法具有较深入研究,并对图像分类、实例分割、目标追踪等计算机视觉任务有一定研究经验。
展开
-
去雨去雪去雾算法运行问题汇总记录
其实问题也很简单,就是由于除零导致的,但这种情况在博主看来是不太可能的,直到博主看到上面还有一个警告,这句话是一般找不到文件的警告提示。在进行去雨去雪去雾算法过程中,遇到了一个问题,这在先前的电脑运行是都没有出现过,但在博主新买的电脑上却出现了,讲道理是有点小抑郁的。博主看了下验证数据集的设置情况,原来是文件名不一致。原创 2023-10-25 21:26:55 · 1467 阅读 · 2 评论 -
去雨去雪去雾算法程序中断问题解决方法
随后是结果评估,可以看到,先前第45个epoch的结果中,PSNR已经达到了24.16,而SSIM为0.83,而此时的中断后不使用先前模型的结果PSNR为18.93,SSIM为0.51,这与最开始的值较为接近。在进行去雨去雾去雪算法的实验过程中,时常会由于各种意外情况导致实验中断,而在该源码中,并没有对应的中断应对策略,这就导致该源码的健壮性太差,而且博主在实验时也确实遇到多次这种情况,这让博主不胜其烦。而当我们使用了最后一次模型的参数后,此时的结果如下,此时的损失已经变为了0.269。原创 2023-10-16 10:54:40 · 349 阅读 · 0 评论 -
去雨去雪去雾算法本地实验速度对比
在进行去雨去雪去雾算法的实验过程中,博主使用自己的电脑进行实验,尽管能够成功运行,但速度却属实不尽人意,博主的笔记本显卡是GTX960,显存为4G,在进行实验的过程中,batch-size只能设置为3,好在实验的去噪类型也就只与三种,否则这实验根本无法进行,于是,便萌生了更换笔记本的念头,那么在更换前,就要先做下相关实验,看看性能能够提升多少。原创 2023-10-15 21:31:29 · 526 阅读 · 1 评论 -
基于知识蒸馏的两阶段去雨去雪去雾模型学习记录(三)之知识测试阶段与评估模块
去雨去雾去雪算法分为两个阶段,分别是知识收集阶段与知识测试阶段,前面我们已经学习了知识收集阶段,了解到知识阶段的特征迁移模块(CKT)与软损失(SCRLoss),那么在知识收集阶段的主要重点便是HCRLoss(硬损失),事实上,知识测试阶段要比知识收集阶段简单,因为这个模块只需要训练学生网络即可。原创 2023-10-06 20:44:47 · 1010 阅读 · 1 评论 -
基于知识蒸馏的两阶段去雨去雪去雾模型学习记录(二)之知识收集阶段
前面学习了模型的构建与训练过程,然而在实验过程中,博主依旧对数据集与模型之间的关系有些疑惑,首先是论文说这是一个混合数据集,但事实上博主在实验时是将三个数据集分开的,那么在数据读取时是如何混合的呢,是每个epoch使用同一个数据集,下一个epoch再换数据集,还是再epoch中随机取数据集中的一部分。原创 2023-10-06 09:48:45 · 390 阅读 · 0 评论 -
去雨去雪去雾算法之本地与服务器的TensorBoard使用教程
在进行去雨去雾去雪算法实验时,需要注意几个参数设置,num_workers只能设置为0,否则会报各种稀奇古怪的错误。格式的,查询了一番得知该文件是通过。执行这个命令后会读取所有的。文件,从而生成对应的曲线。此外,发现生成的文件是。原创 2023-09-30 11:34:36 · 518 阅读 · 0 评论 -
去雨去雪去雾数据集构建
随后是去雨数据集的构建,由于该数据集中每一张真值图像对应14张噪声图像,因此本文采用与去雪数据集相同的构造方式,首先在去雾噪声图像中挑选5000张,由于训练集中的真值图像只有900张,因此这5000张噪声图像中包含了所有真值图像的噪声,但为了以防万一,还是通过读取前面的真值图像编号来确定真值图像。随后是去雾数据集的构建,去雾数据集包含2601张真实图像,每张图像对应35张噪声图像,且其分为了4个文件,分别包含520x35,520x35,520x35,501x35。去雨去雾json文件构建。原创 2023-09-29 08:47:16 · 1154 阅读 · 0 评论 -
基于知识蒸馏的两阶段去雨去雪去雾模型学习记录(一)
前面完成了基于知识蒸馏的去雨去雪去雾模型大的部署与训练,下面则进行代码的学习。使用的方式进行代码的学习。首先是网络结构展示:轻易不要打开,这个模型太复杂了。说到底倒不是多复杂,就是层数太多了首先进入训练模式,又称知识收集训练阶段:声明所需要的损失函数,(协作知识迁移模型)的训练模式 的详细结构如下:criterions的结构,其定义的是损失函数,分别是损失,损失以及损失可以看到教师网络就是将先前的Net网络复制了3份,只是加载不同权重而已。即三个model。继续训练进入评估模块:加载模型,原创 2023-09-21 21:38:55 · 453 阅读 · 0 评论 -
基于知识蒸馏的两阶段去雨、雪、雾算法调试记录
基于知识蒸馏的去雪、去雾、去雨算法。原创 2023-08-20 23:54:32 · 488 阅读 · 1 评论 -
基于知识蒸馏的去雪、去雾、去雨算法
只能对单一恶劣天气进行去除,无法应用于真实环境能够完成多种恶劣天气去除的算法模型十分复杂,不利于部署针对以上问题,提出基于知识蒸馏的多合一去雪、去雨、去雾算法,构建多教师单学生的学习网络,分别由多个教师网络负责不同恶劣天气的去噪任务,随后将学到的知识进行迁移到学生网络,进而使学生网络在保证模型体积足够小的同时还能拥有媲美教师网络的性能。原创 2023-07-11 17:10:01 · 1593 阅读 · 4 评论 -
图像去雪去雨去雾算法学习记录
通常情况下,不同天气条件下拍摄出的户外图像中一般都会包含反映天气类型的因素如雨、雪、雾、阴影等。图像清晰化的目标就是要去除图像中这些影响图像视觉效果的因素,以便获取清晰的户外图像。随着天气信息处理技术研究的深入,图像清晰化问题逐渐从相关视觉任务中分离出来成为独立的研究方向。户外图像中的雾会造成图像的模糊,雨会造成图像的形变,阴影会造成图像的降质,雪会造成图像中部分物体不可见。原创 2023-07-11 14:13:13 · 1173 阅读 · 0 评论