图像去噪——AdaFM模型推理测试（详细图文教程）

一、 源码包下载

官网代码下载链接为：官网源码包

我提供的源码包获取方法文章末扫码到公众号中回复关键字：图像去噪AdaFM。获取下载链接。

该篇论文方法代码我没修改太多，学者下载官网或者我提供的源码包都行。

论文地址：论文

源码包下载并解压后的文件列表如下：

测试环境，仅供参考，其它版本也行。

二、测试集和模型权重准备

2.1 测试集

测试集图片放到根目录下的datasets文件夹下，如下：

2.2 模型权重

模型权重存放在根目录下的experiments文件夹下，模型权重大小为5.4M，如下：

三、参数修改

配置文件参数修改如下：

四、推理测试

4.1 固定插值系数图像测试

官网提供的源码包中测试需要在终端中输入命令测试，命令为：

cd codes
python test.py -opt options/test/test.json

我提供的源码包测试代码为，直接运行test.py脚步即可，不用在终端输入命令，如下:

4.1.1 测试结果保存

运行test.py脚本后测试结果会自动保存到根目录下的results路径下，如下：

4.1.2 测试结果展示

4.1.2.1 场景1

4.1.2.2 场景2

4.1.2.3 场景3

4.1.2.4 场景4

4.1.2.5 场景5

4.2 等差改变插值系数图像测试

在调制测试中，连续调节插值系数λ可以逐渐改变输出效果。如果输入图像是固定的，那么随着λ的增加，输出图像会变得更清晰或更平滑。

等差按照固定步长调整插值系数测试的方法在脚本interpolate.py中。

4.2.1 参数修改

测试集路径和模型权重路径同上，这里主要修改插值系数步长，如下：

上面修改的步长参数最终传值，主要传到位置如下：

4.2.2 测试

同样，官网下载的源码包需要在终端中输入下面命令运行：

cd codes
python interpolate.py -opt options/test/test.json

我提供的源码包直接运行脚本interpolate.py即可，如下:

4.2.3 测试结果保存

运行上面脚本后，会在根目录results文件夹中生成以各张图片名为名字的文件夹，在各个图片名对应的文件夹中又保存了不同插值系数处理的结果图，如下：

4.2.4 测试结果展示

4.2.4.1 场景1

4.2.4.2 场景2

4.2.4.3 场景3

4.2.4.4 场景4

4.2.4.5 场景5

五、推理速度

5.1 GPU推理

测试图片大小为480*360，GPU上的平均推理速度为：6ms

5.2 CPU推理

我测试的电脑为i7-12700H 2.3GHz，测试图片大小为480*360，CPU上的平均推理速度为：28ms

5.2.1 CPU推理代码修改

使用CPU推理需要修改的几个地方如下，修改好后再运行脚本test.py就是纯CPU推理了：

六、总结

以上就是AdaFM模型推理测试方法，我仅使用了官网提供的模型权重测试，没有训练，如学者需要训练，参考官网训练方法。有问题的欢迎留言讨论。

总结不易，多多支持，谢谢！