DeblurGANv2-master文件组成

DeblurGANv2-master文件夹
**Config：**config.yaml是项目的配置文件：包括训练集的路径设置，验证集路径设置，对数据集内图片的处理，数据集增强等；backbone的选择，backbone冻结的轮数；训练的轮数，每轮训练和验证的批数batch，批次batch的大小；优化器的选择，学习率的设置，学习率的变化设置#
**dataset1：**blur文件夹 #在执行预测代码时，放置的图片
doc_images：作者发表的论文，里面的数据相关图片
**fpn：**在代码运行过程中的日志，可以使用tensorboard进行查看
**GOPRO：**训练和验证的数据集test放置验证集，train放置训练集
**models：**文件夹内放置的是所使用搭建出来框架（主），含有包括哪些东西和怎么排列；骨干模块，用到哪些骨干网络需要放入哪些骨干网络；用到的损失函数封装模块，对损失函数进行修改也是这里
**submit：**该文件夹存放的是执行predict后，去模糊后的图片
**test_img：**该文件夹存放可用于测试的图片
**util：**该文件夹存放计算图片质量模块，PSNR，SSIM的计算方式
**gitignore：**gitignore文件可以用于指定Git版本控制系统忽略特定文件或文件夹的规则，这些文件不被纳入版本控制，比如日志文件、临时文件等
adversarial_trainer：这个文件给出对抗训练的过程，如果要使用对抗生成，必须有这部分的设置
aug：增强的缩写，对输入的单张图像进行格式化处理和增强，用于减少过拟合的一些操作
best_fpn.h5：经过训练，效果最好的权重文件，用于predict调用
dataset.py：对输入的数据集即多张图片进行批次处理，即做出每一批次用于训练
LICENSE：免责和知识产权保护声明
Metric_counter.py：用于记录和统计模型中各种指标的工具类，比如PSNR，SSIM等，主要用于记录和监视关键指标，便于模型性能的评估和调优
Picture_to_video.py：就是把一个个图片进行合成视频的代码，按照顺序放置
Predict.py：就是输出图片，根据端到端的处理，即经过所训练模型处理，得到了什么结果
README.md：就是这个项目包括哪些内容，代码该如何使用，这是了解一个项目的第一步
Requirements：实现该项目的依赖环境，可以用pip install -r “requirements”进行一次性安装
Schedulers.py：对应config文件中学习率的调整方法，那里是调用模块，这里是封装的模块，和优化器一起使用的类
Test.py：用于运行指定代码
Test.sh：用于运行指定代码
Test_aug.py：测试aug的代码，开发者编写过程排除bug，编写完成寻找错误
Test_batchsize.py：用于测试batchsize的代码，开发者编写过程排除bug
Test_dataset.py：用于测试dataset的代码，开发者编写过程排除bug
Test_metrics.py：评价指标(metric)，用于测试metrics的代码，测试性能和指标，输出单个图片的PSNR或者输出批次的SSIM等，用于测试相关指标
Train.py：用于执行训练的代码，运行就开始训练，其中要指定相应的参数