一步一步教你跑DCPDN深度学习去雾网络

论文：Densely Connected Pyramid Dehazing Network（CVPR2018）

论文就不讲解了，网上有，步骤开始：

1、环境安装：

Ubuntu16.0.4平台运行

Python2.7环境

Pytorch>=0.3.1框架

CUDA9.0+CUDNN7

训练网络需要使用GPU，显存和运行内存、还有系统交换区swap不要太抠，不然容易程序无法进行而报错。还有系统共享内存也不能不足，我的电脑勉强用100个训练数据训练，迭代了40000次。

DCPDN源码下载

建议安装Anaconda3创建Python环境，便于管理，运行程序时，如果缺什么包直接使用anaconda集成安装到环境里即可。

DCPDN的预训练模型可直接用于测试，测试数据、模型、训练数据数都很多，数据均为或者均要转化为h5文件来训练和测试，需要翻墙下载。需要仔细阅读README.md文件。

预训练模型、训练数据、测试数据等已经上传到百度网盘中，提取码为：pv5f，供大家参考，根据自己需要去下载，训练数据也不用全部下载使用。

2、项目文件结构（部分重点介绍）

项目下载解压后目录如下：

项目添加数据后的根目录如下：

checkpoints_new：利用合成图片生成无雾图片和训练生成的新模型的文件夹。

cvprw_test_resize_crop：存储自己的实际有雾图片。

demo_model：存储预训练模型，作者提供了netG_epoch_8.pth，需要自行下载，百度云里已经有了。

facades：最重要，也是最大的文件夹，内容如下图。其中，nat_new4文件夹存储用于测试的实际图片h5数据，test_cvpr文件夹存储你的实际有雾图片转换的h5文件，用于去雾。train512为用于训练的h5文件，共有4000个，根据你自己系统能力，从头按顺序连续选取部分数据，作者使用0-1000来训练网络，会迭代400*1000=400000次。val512存储400个用于对抗鉴别器训练的h5文件。

result_cvpr18：存储去雾结果的文件夹。

create_train.py：所有合成的，用于训练和测试的数据样本，都在HDF5文件中进行了扫描。您还可以使用“create_train.py”生成样本数据。

dehaze22.py：去雾网络模型框架。

demo.py：运行作者提供的预训练模型，anaconda进入创建的环境，cd进入项目根目录“cd 你的路径/DCPDN”，然后运行带参数的命令：（运行前确保对应目录下的文件下载齐全）

python demo.py --dataroot ./facades/nat_new4 --valDataroot ./facades/nat_new4 --netG ./demo_model/netG_epoch_8.pth

generate_testsample.py：用于将你自己的有雾图片生成h5文件，用于去雾。若要修改图片读取和存储方式，请修改代码中的

73行“train_list_per=glob.glob('./cvprw_test_resize_crop/*jpg')”和90行”directory='./facades/test_cvpr/'“。由于网络需要，图片会被resize为512*512的大小，生成去雾图片后请自行resize回来，代码百度云已提供。

train.py：训练网络使用，使用以下命令：（实际是微调作者提供的预训练模型，并保存下来）

python train.py --dataroot ./facades/train512 --valDataroot ./facades/test512 --exp ./checkpoints_new --netG ./demo_model/netG_epoch_8.pth

使用自己的有雾图片去雾：

首先使用 generate_testsample.py将自己的图片生成为h5文件，然后使用以下命令去雾：

python demo.py --dataroot ./facades/test_cvpr --valDataroot ./facades/test_cvpr --netG ./checkpoints_new/netG_epoch_9.pth

./facades/test_cvpr为你的实际有雾图片生成的h5文件所在的根目录，./checkpoints_new/netG_epoch_9.pth为生成的模型的路径。训练中途会保存很多模型，选择你觉得效果好的模型使用即可。

3、源码适配

作者原始源码部分需要修改，如下：（如果下载百度云的则不需要，已修改过了）

generate_testsample.py：

去掉99行的注释，防止自己输入的图片不是规定尺寸；

第一个包numpy不需要as np；

create_train.py：

第119行reshap的参数A改为a；

引用numpy包不需要as np。

我的操作到此结束，写的可能不是很清楚，有问题请随时留言，如果哪里理解有误还望指出。

4、致谢

感谢作者的贡献，感谢大家的支持！