Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement调研报告

简介

1. 论文 （期刊和发表时间）
   Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement (CVPR 会议 2020)
2. 论文链接
   https://openaccess.thecvf.com/content_CVPR_2020/html/Guo_Zero-Reference_Deep_Curve_Estimation_for_Low-Light_Image_Enhancement_CVPR_2020_paper.html
3. 源代码链接
   https://github.com/Li-Chongyi/Zero-DCE

主要 idea

本文提出一种基于深度学习的 Zero-Reference Deep Curve Estimation(Zero-DCE)算法, 用于弱光图像增强. 算法输入为弱光图像, 输出为高阶曲线. 输出的高阶曲线对在输入的动态范围内进行像素级调整, 从而获得增强图像.

实验简介

环境搭建

Python 3.7
Pytorch 1.0.0
opencv
torchvision 0.2.1
cuda 10.0

遇到的报错

报错1：
CUDA 和 Pytorch 的版本不匹配
解决：修正版本，使其匹配

报错2：
怀疑是win10环境下有些调用函数的操作不一致，但是更改路径为只有一个图片的文件夹时，成功运行，但是结果没有在result文件夹，而是直接覆盖原图。
解决办法：直接将test/test_data文件夹内的文件复制到result路径下，生成结果会自动覆盖。
…\Zero-DCE-master\Zero-DCE_code\data\result\DICM

报错3：
解决：删除一点文件

至此可以成功运行lowlight_test.py

训练

将训练集命名为train_data.放入data文件夹，运行lowlight_train.py

测试

对论文给的训练集(2000+图片)训练一次后，在二维码上进行测试。

原图↑

效果↓

在不截取的二维码上测试的时候，遇到如下错误

原因：原图片属性有误，这里不作处理了，排查工作量太大