简介
- 论文 (期刊和发表时间)
Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement (CVPR 会议 2020) - 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 - 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