EnlightenGAN 开源代码运行问题汇总

已于 2023-11-16 21:28:34 修改
阅读量515 收藏 3
点赞数
文章标签： 生成对抗网络 深度学习
于 2023-11-16 21:28:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43592742/article/details/134451104
版权

参考链接：

  1. EnlightenGAN 开源代码运行
  2. EnlightenGAN的运行环境搭建和训练自己的数据

源码下载和环境配置比较简单，本文测试环境：Win10 + RTX3060、cuda 11.3、python 3.8 + torch 1.12.0 + numpy 1.20.1

如果想修改在项目里创建test_daatset文件
(1) 将script.py文件中， ../final_dataset 更改为 final_dataset，然后在自己根目录下（其实就是文件夹EnlightenGAN中）创建一个文件夹 final_dataset，然后把数据trainA和trainB放入到里面，就是文中提到的real_A和real_B。（具体数据和模型，原作者github下有链接）在根目录下建一个model文件夹，把vgg的模型放到里面就很好了。
（2）script.py文件中将–gpu_ids 0,1,2 更改为 --gpu_ids 0，如果你是一个GPU就是这么改，要不然报错。
在这里插入图片描述
可能报错cuda内存不够，可以少几张照片运行：

lelezhuxj
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
EnlightenGan源码测试
wgbzj的博客
03-10 3853
1相关准备 相应的pytorch环境这里就不赘述了，enlightenGan的源码在github可以直接下载，大家自行下载。 2测试环节 1：用pycharm打开下载好的源码，按下图的目录结构创建文件夹：checkpoints/enlightening和model 2：在checkpoints/enlightening和model文件夹下分别放入网络模型和VGG的模型，模型可以在github上下载到，下载好了拉里面就行。 3：创建测试文件夹test_dataset。这个一定要注意！这个文件
EnlightenGAN测试指南
weixin_43442455的博客
04-10 632
文件夹下至少有一张任意图像（test_dataset文件与代码文件目录平级，如图1.1 测试文件目录：D:\EnlightenGAN-master\test_dataset，代码文件目录：D:\EnlightenGAN-master\EnlightenGAN-master）本文运行环境：python3.8+pytorch1.9.0，其他的直接在终端pip install -r requirement.txt 就行(并不用完全要求和github上作者的一样，比他版本高的就行)
EnlightenGAN的代码运行过程问题记录
qq_41876456的博客
06-19 7330
运行过程 Running process 1、代码：https://github.com/VITA-Group/EnlightenGAN 2、conda创建虚拟环境： conda create -n enlighten python=3.5 3、进入项目文件夹，打开终端 conda activate enlighten pip install -r requirement.txt 4、创建文件夹mkdir mkdir model 5、下载VGG pretrained model，放入mod
EnlightenGAN 开源代码运行
weixin_44504393的博客
02-20 8384
EnlightenGAN: Deep Light Enhancement without Paired Supervision工作公布于2019年，论文已被TIP 2021接收，其采用非成对数据训练了一个用于低照度图像增强的对抗生成网络模型，可以显著增强低照度图像的亮度及对比度，表现优异。 本文记录Windows10环境下运行开源代码的主要步骤及测试过程中遇到的问题和解决办法。
EnlightenGAN
03-08
启蒙 IEEE图像处理交易，2020年， 代表性的结果 总体架构 环境准备 python3.5 您至少应准备3个1080ti GPU或更改批大小。 pip install -r requirement.txt mkdir model 从下载VGG预训练模型，然后将其放入目录model 。 培训过程 在开始培训过程之前，您应该启动visdom.server进行可视化。 nohup python -m visdom.server -port=8097 然后运行以下命令 python scripts/script.py --train 测试过程 下载并将其放入./checkpoints/enlightening 创建目录../test_dataset/testA和../test_dataset/testB 。 将您的测试映像放在../test_dataset/testA （并且您应该在
Python-EnlightenGAN图像光线增强DeepLightEnhancementwithoutPairedSupervision
08-11
EnlightenGAN - (图像光线增强)Deep Light Enhancement without Paired Supervision
【低照度图像增强系列（3）】EnlightenGAN算法详解与代码实现
最新发布
路人贾的博客
01-09 4454
低照度图像增强系列（3）——EnlightenGAN算法详解与代码实现
EnlightenGAN-master_GAN低光_图像增强_
10-01
该项目的开源代码使得研究人员和开发者能够轻松地利用这一技术，为低光照图像处理带来了新的解决方案。 总结来说，"EnlightenGAN-master"是低光图像增强领域的一个重要突破，它利用GAN技术在单一图像上进行训练，...
EnlightenGAN_对抗网络_网络对抗图片
09-29
用户可以按照提供的文档说明运行代码，重现或者进一步改进EnlightenGAN的效果。 总之，EnlightenGAN是GAN在图像处理领域的一个应用实例，通过对抗学习，它能有效地提升低光照图像的质量。理解并掌握EnlightenGAN的...
EnlightenGAN:[IEEE TIP'2021]“ EnlightenGAN
05-24
然后运行以下命令 python scripts/script.py --train 测试过程 下载并将其放入./checkpoints/enlightening 创建目录../test_dataset/testA和../test_dataset/testB 。 将您的测试映像放在../test_dataset/testA ...
EnlightenGAN代码复现错误总结
lrddddd的博客
03-07 1220
AssertionError: ../datasets/datasets\trainA is not a valid directory 复现EnlightenGAN时的路径问题解决方案
【第52篇】RetinexNet: Deep Retinex Decomposition for Low-Light Enhancement
m0_47867638的博客
06-25 252
链接：https://arxiv.org/pdf/1808.04560.pdfRetinex模型是微光图像增强的有效工具。假设观测图像可以分解为反射率和照度。大多数现有的基于retina的方法都为这种高度病态分解精心设计了手工制作的约束和参数，在应用于各种场景时可能会受到模型容量的限制。
Deep Light Enhancement without Paired Supervision （非配对数据监督学习用于低曝光图像增强）
qq_34107977的博客
08-12 2013
Deep Light Enhancement without Paired Supervision 注：本篇总结仅供学习交流 By DMU 吴韵哲 1.Abstracrt 基于深度学习的方法在图像还原和增强方面取得了显著成功，但是当缺少成对的训练数据时，它们仍然具有竞争力吗？举一个这样的例子，本文探讨了弱光图像增强问题，在实践中，同时拍摄同一视觉场景的弱光和正常光照片极具挑战性。 我们提出了一个高效的无监督生成对抗网络，称为EnlightenGAN，可以在没有弱光/正常光线图像对的情况下进行训
【项目实战课】人人免费可学，基于Pytorch的BCNN鸟类细粒度图像分类实战
hacker_long的专栏
07-12 1180
欢迎大家来到我们的项目实战课，本期内容是《基于Pytorch的BCNN鸟类细粒度图像分类实战》。所谓项目课，就是以简单的原理回顾+详细的项目实战的模式，针对具体的某一个主题，进行代码级的实战讲解，要求大家有较好的基础知识。本次课程内容细粒度图像分类是一个粒度较小的图像分类问题，它往往是同一个大类中的子类的分类，以不同鸟类的细粒度分类任务为例，比较著名的数据集是Caltec...
EnlightenGAN的调试过程
weixin_45075887的博客
03-27 2646
代码：https://github.com/VITA-Group/EnlightenGAN 一：前期准备工作 首先，下载库： git clone https://github.com/VITA-Group/EnlightenGAN.git 然后运行一下代码，安装完整的库（我的ubuntu服务器上torch和torchvision都有，版本比原作者高，但因为是公共环境，所以我没有安装，将requirement.txt中前两行删去了）： pip install -r requirement.txt
ubuntu18.04下EnlightenGAN运行过程记录
qq_42622871的博客
11-18 2861
运行过程 1、代码：https://github.com/VITA-Group/EnlightenGAN 2、conda创建虚拟环境： conda create -n enlighten python=3.5 3、进入项目文件夹，打开终端 conda activate enlighten pip install -r requirement.txt 4、创建文件夹mkdir mkdir model 5、下载VGG pretrained model，放入model文件夹中。 训练/测试 仅测试时： 1、
论文笔记002:[TIP2021] EnlightenGAN:Deep Light Enhancement without Paired Supervision
qq_41876456的博客
06-02 1275
问题提出： 基于深度学习的图像增强方法在图像恢复和增强方面取得了显著的成功，但它们需要成对数据训练。 但目前使用成对数据训练存在的问题： 1)同时捕捉同一视觉场景的损坏图像和ground truth图像是非常困难的 。例如，同时捕捉低光和正常光图像对； 2）从干净的图像中合成损坏的图像有时会有帮助，但这样的合成结果通常不够逼真，导致在将训练好的模型应用于真实世界的低光图像时产生各种伪影； 3）对于低光增强问题，在低光图像中可能没有独特的或明确定义的高光ground truth。例如，任何从黎明到黄昏拍摄的.
EnlightenGAN: Deep Light Enhancement without Paired Supervision源码实现
hello world
06-20 3002
最近楼楼在做相关的项目，需要调整数据集的亮度，看相关的论文时，发现这篇论文具有相当高的可取之处。话不多说，分享一下我的采坑记录。 相关准备 源码地址：点击这里 在GitHub中，作者给出了源码，数据集等，这些都可以在里面下载到，ReadMe中也给出了详细的运行方法，对小白来说还是比较友好的。 踩坑记录 由于木有详细的报错截图，我就大致说一下。 1.".\final_datasets/trainA"或者".\final_datasets/trainA" is not a valid directory. 这个
EnlightenGAN源代码
04-04
很遗憾，我是一个AI语言模型，无法提供EnlightenGAN的完整源代码。但是，你可以在GitHub上访问EnlightenGAN的开源实现，它是由一个名为tamarott的用户创建的。该实现基于PyTorch框架，提供了预训练模型和训练代码。你可以在以下链接中找到EnlightenGAN的GitHub页面： https://github.com/tamarott/EnlightenGAN 希望这可以帮助到你。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值