DeBlurGANv2图像去模糊 训练自己的数据集

之前在有位博主的DeblurGANv2教程的页面下留了言，很多小伙伴来私信我：

• config.yaml怎么调参数？
• predict.py和train.py需要怎么修改？

之前只跑了predict，有些问题也没办法解答。最近自己跑了一下train，大概的效果也有一点，写在这里和大家分享一下，不足之处也请大佬们指正！

【注释】：
本文不涉及具体的batch epoch lr 等参数如何调整，只介绍如何跑通predict和train

先放上论文和github：

• 论文
• github

DeblurGANv2的【predict】

总体介绍：
按照github教程里的操作，先下载作者的预训练模型fpn_inception.h5，fpn_mobilenet.h5，放在DeblurGANv2-master的根目录下；

进行去模糊测试只需要把模糊图片放在DeblurGANv2-master的根目录下，用下面的代码就可以输出去模糊的图片：

python predict.py image_example.jpg

运行如果出现有什么包没有安装，直接 pip install+ 包名 安装就可以。
运行结果默认存放在submit文件夹下。

使用fpn_inception作为主干网络

直接从github上下载的文件夹里默认就是fpn_inception，对应在“config.yaml”文件中的这一块：g_name: fpn_inception

在predict.py文件下，可以选择使用不同的训练结果，当然也可以使用作者提供的fpn_inception.h5，自己注释一下就好（best_fpn.h5是自己训练的结果，在下一部分再说）

其他就不需要修改什么了，直接运行吧，附上个人的运行效果：

模糊原图：

处理结果：

使用fpn_mobilenet作为主干网络

修改“config.yaml”文件中的模型名称为

g_name: fpn_mobilenet

修改 predict.py 中的训练文件

def main(img_pattern: str,
         mask_pattern: Optional[str] = None,
        #weights_path='best_fpn.h5',
 	    #weights_path ='fpn_inception.h5',
	    weights_path ='fpn_mobilenet.h5',

DeblurGANv2的【train】

训练的过程主要涉及以下几个文件：

• config.yaml
• train.py
• 成对的“模糊——清晰”数据集
• 预训练模型（.h5文件）[根据是否需要加载预训练结果决定是否使用]
• models文件夹里的模型文件，eg：fpn_inception.py fpn_mobilenet.py

训练我只试了fpn_mobilenet主干网络，因为它的参数数量比fpn_inception少很多，训练时间也会短很多，测试起来比较便捷。

config.yaml

原始的config.yaml如下所示：

首先，需要准备好自己的数据集，成对的清晰——模糊图像命名相同，分别放入对应的模糊文件夹和清晰文件夹，文件夹结构如下：

DeblurGANv2-master
              |________yourdataset
                                              |___________blur【blur  文件夹里面放模糊图片】
						                      |___________sharp【里面放清晰图片】
对应config文件改成：
train：
	file_a:  &FILES_A   ./yourdataset/blur/*.jpg
	file_b:  &FILES_B  ./yourdataset/sharp/*.jpg
......
val:
	files_a:  &FILES_A
	files_b:  &FILES_B
......
model:
	g_name: 	fpn_mobilenet【根据你自己的需要选择主干网络】
	

train.py

根据是否需要预训练模型，确定是否注释下面这句代码，其他的代码都不需要调整

 def _init_params(self):
        self.criterionG, criterionD = get_loss(self.config['model'])
        self.netG, netD = get_nets(self.config['model'])
        
        #加载预训练模型(注释本句即从头开始训练)
        self.netG.load_state_dict(torch.load("fpn_mobilenet.h5", map_location='cpu')['model'])

fpn_mobilenet.py

我测试train.py的时候报错说找不到mobilenet_v2.pth.tar，这个问题我也不知道怎么解决，猜测是mobilenet_v2的预训练模型。

按照这个博主的方法：
mobilenet_v2.pth.tar模型的url：http://sceneparsing.csail.mit.edu/model/pretrained_resnet/mobilenet_v2.pth.tar
这个网址进不去，如果有大神知道，求解惑。

我根据报错位置，找到了fpn_mobilenet.py的这一段：

class FPN(nn.Module):

    def __init__(self, norm_layer, num_filters=128, pretrained=True):
        """Creates an `FPN` instance for feature extraction.
        Args:
          num_filters: the number of filters in each output pyramid level
          pretrained: use ImageNet pre-trained backbone feature extractor
        """

        super().__init__()
        net = MobileNetV2(n_class=1000)


#注释掉下面这段代码
        if pretrained:
            #Load weights into the project directory
            state_dict = torch.load('mobilenetv2.pth.tar') # add map_location='cpu' if no gpu
            net.load_state_dict(state_dict)

解决报错问题，注释掉if pretrained这段代码，不加载mobilenet v2的预训练不就行了吗？
我一试，还真行了…

训练过程

不断交替更新显示训练和验证的两个进度条，以及生成损失loss，峰值信噪比PSNR，结构相似度SSIM，在DeblurGANv2-master文件夹中生成两个文件：

• best_fpn.h5
• last_fpn.h5

这就是训练的结果，best_fpn是最好的训练结果，last_fpn是当前最后一次训练的结果，两个文件在训练过程中不断更新。我在RTX3070上训练了12个小时，3000多对图，300个epoch。用训练的best_fpn进行predict，去模糊的效果有一些，但是不如fpn_inception好。

目前介绍的就是这么多，本人也是小白，很多东西也不懂，希望得到大家的批评指正！