一步一步教你跑DCPDN深度学习去雾网络
论文：Densely Connected Pyramid Dehazing Network（CVPR2018）
论文就不讲解了，网上有，步骤开始：
1、环境安装：
Ubuntu16.0.4平台运行
Python2.7环境
Pytorch>=0.3.1框架
CUDA9.0+CUDNN7
训练网络需要使用GPU，显存和运行内存、还有系统交换区swap不要太抠，不然容易程序无法进行而报错。还有系统共享内存也不能不足，我的电脑勉强用100个训练数据训练，迭代了40000次。
DCPDN源码下载
建议安装Anaconda3创建Python环境，便于管理，运行程序时，如果缺什么包直接使用anaconda集成安装到环境里即可。
DCPDN的预训练模型可直接用于测试，测试数据、模型、训练数据数都很多，数据均为或者均要转化为h5文件来训练和测试，需要翻墙下载。需要仔细阅读README.md文件。
预训练模型、训练数据、测试数据等已经上传到百度网盘中，提取码为：pv5f，供大家参考，根据自己需要去下载，训练数据也不用全部下载使用。
2、项目文件结构（部分重点介绍）
项目下载解压后目录如下：
项目添加数据后的根目录如下：
checkpoints_new：利用合成图片生成无雾图片和训练生成的新模型的文件夹。
cvprw_test_resize_crop：存储自己的实际有雾图片。
demo_model：存储预训练模型，作者提供了netG_epoch_8.pth，需要自行下载，百度云里已经有了。
facades：最重要，也是最大的文件夹，内容如下图。其中，nat_new4文件夹存储用于测试的实际图片h5数据，test_cvpr文件夹存储你的实际有雾图片转换的h5文件，用于去雾。train512为用于训练的h5文件，共有4000个，根据你自己系统能力，从头按顺序连续选取部分数据，作者使用0-1000来训练网络，会迭代400*1000=400000次。val512存储400个用于对抗鉴别器训练的h5文件。
result_cvpr18：存储去雾结果的文件夹。
create_train.py：所有合成的，用于训练和测试的数据样本，都在HDF5文件中进行了扫描。您还可以使用“create_train.py”生成样本数据。
dehaze22.py：去雾网络模型框架。
demo.py：运行作者提供的预训练模型，anaconda进入创建的环境，cd进入项目根目录“cd 你的路径/DCPDN”，然后运行带参数的命令：（运行前确保对应目录下的文件下载齐全）
python demo.py --dataroot ./facades/nat_new4 --valDataroot ./facades/nat_new4 --netG ./demo_model/netG_epoch_8.pthgenerate_testsample.py：用于将你自己的有雾图片生成h5文件，用于去雾。若要修改图片读取和存储方式，请修改代码中的
73行“train_list_per=glob.glob('./cvprw_test_resize_crop/*jpg')”和90行”directory='./facades/test_cvpr/'“。由于网络需要，图片会被resize为512*512的大小，生成去雾图片后请自行resize回来，代码百度云已提供。
train.py：训练网络使用，使用以下命令：（实际是微调作者提供的预训练模型，并保存下来）
python train.py --dataroot ./facades/train512 --valDataroot ./facades/test512 --exp ./checkpoints_new --netG ./demo_model/netG_epoch_8.pth使用自己的有雾图片去雾：
首先使用 generate_testsample.py将自己的图片生成为h5文件，然后使用以下命令去雾：
python demo.py --dataroot ./facades/test_cvpr --valDataroot ./facades/test_cvpr --netG ./checkpoints_new/netG_epoch_9.pth./facades/test_cvpr为你的实际有雾图片生成的h5文件所在的根目录，./checkpoints_new/netG_epoch_9.pth为生成的模型的路径。训练中途会保存很多模型，选择你觉得效果好的模型使用即可。
3、源码适配
作者原始源码部分需要修改，如下：（如果下载百度云的则不需要，已修改过了）
generate_testsample.py：
去掉99行的注释，防止自己输入的图片不是规定尺寸；
第一个包numpy不需要as np；
create_train.py：
第119行reshap的参数A改为a；
引用numpy包不需要as np。
我的操作到此结束，写的可能不是很清楚，有问题请随时留言，如果哪里理解有误还望指出。
4、致谢
感谢作者的贡献，感谢大家的支持！
一步一步教你跑DCPDN深度学习去雾网络相关推荐
- 教你如何挑选深度学习GPU
教你如何挑选深度学习GPU 即将进入 2018 年,随着硬件的更新换代,越来越多的机器学习从业者又开始面临选择 GPU 的难题.正如我们所知,机器学习的成功与否很大程度上取决于硬件的承载能力.在今年 ...
- 人工神经网络理论、设计及应用_TensorFlow深度学习应用实践：教你如何掌握深度学习模型及应用...
前言 通过TensorFlow图像处理,全面掌握深度学习模型及应用. 全面深入讲解反馈神经网络和卷积神经网络理论体系. 结合深度学习实际案例的实现,掌握TensorFlow程序设计方法和技巧. 着重深 ...
- 教你使用百度深度学习框架PaddlePaddle完成波士顿房价预测（新手向）
首先,本文是一篇纯新手向文章,我自己也只能算是入门,有说错的地方欢迎大家批评讨论 目录 一.人工智能.机器学习.深度学习 二.PaddlePaddle(飞桨) 三.波士顿房价预测模型 数据处理 模型设 ...
- 步步为营！高手教你如何有效使用深度学习解决实际问题
来自法国 Capgemini Invent 公司的高级数据科学家 Ahmed BESBES 三个月前参加了一个其公司内部的比赛:使用机器学习方法帮助海洋科学家更好的识别鲸鱼,根据鲸尾页突的外观作为主要 ...
- AI 三大教父齐聚深度学习峰会，讨论尖端研究进展
来源:36氪 概要:近日,深度学习峰会正在加拿大蒙特利尔举行,有史以来第一次3位AI教父:Yoshua Bengio.Yann LeCun以及 Geoffrey Hinton聚在了一起出席RE•WOR ...
- 看不懂花书？博士教你如何深入深度学习，从编程基础到完整的项目实战
转眼2020年已过去三分之一,大家都知道今年就业形势不乐观,不过即便如此,现在依然是AI招聘的热门季.疫情过后,AI行业注定会迎来一波大爆发. 近几年,各大企业也开始越来越重视人工智能方向的发展,比如 ...
- 手把手教你搭建机器学习+深度学习AI模型
说起现在搞什么最挣钱,10 人里 11 个都要回答人工智能! 早在几年前,华为就开出百万年薪招聘 AI 专家,当是很多人认为噱头大于实际价值.但如果今天还有谁质疑人工智能的前景,那显然已经和时代脱轨了 ...
- 忽悠神经网络指南：教你如何把深度学习模型骗得七荤八素
知己知彼,无论你是想成为黑客(最好不要!)或防范未来黑客的入侵,都有必要来了解一下如何骗过由海量数据训练出来的深度学习模型. 只要有程序员还在编程,黑客们就会不遗余力地找寻利用这些程序的方法.恶意黑客 ...
- 手把手教你搭建pytorch深度学习网络
总有人在后台问我,如今 TensorFlow 和 PyTorch 两个深度学习框架,哪个更流行? 就这么说吧,今年面试的实习生,问到常用的深度学习框架时,他们清一色的选择了「PyTorch」. 这并不 ...
最新文章
- SimpleInjector 简单使用
- instancesRespondToSelector与respondsToSelector的区别
- UVA 494（Kindergarten Counting Game）
- defer func(参数){}
- 前端小知识点(8)：作者为什么设计原型
- 【洛谷 - P3410】拍照（最大权闭合图，网络流最小割）
- python values count_使用Python Pandas从数据框中获取总values_count
- 给postmessage加上callback方法
- 力软敏捷开发平台源码7.0.6
- 美国大学网址大全(按州排序)
- 【Android,Kotlin】自定义弹框的简单写法Demo
- win10麦克风直接输出声音_win10系统音频前后同时有声音输出的技巧
- 鸿蒙太空是什么意思,我所居兮，青埂之峰：我所游兮，鸿蒙太空，谁与我逝兮，吾谁与从？渺渺茫茫兮归彼大荒！什么意思？求解...
- 解读BLM业务领先模型中的业务设计
- 达人评测 RTX3060和RX 6600M选哪个好
- jenkins使用时遇到“using GIT_ASKPASS to set credentials”
- 微信小程序进行地图导航,地图展示功能
- Ruff Chain 荣获”2018年度最具发展潜力项目“奖
- （Unity游戏开发）五天时间做出一款饥荒类的生存游戏Demo，项目在手，还怕面试官不给offer?
- 【位运算 异或】51nod区间xor