AOD去雾模型_去雾算法

# AOD-Net by Pytorch 这是[AOD-Net : All-in-One Network for Dehazing](https://github.com/weber0522bb/AODnet-by-pytorch)的一个实现在Python3上，Pytorch。该模型可以去除雾霾、烟雾甚至水的杂质。 The repository includes: *AOD网络的源代码 *基于[NYU Depth V2]的合成模糊图像构建代码，下面可以下载 *hazy数据集的训练代码 *AOD网络的预训练模型 # Requirements Python 3.6, Pytorch 0.4.0 and other common packages ## NYU Depth V2 用来构建雾霾图像，我这里上传百度云了: * 下载 [NYU Depth V2 labeled dataset](https://pan.baidu.com/s/1_wtUSDDgy-Vai40H5c4pwg) 提取码：6xho 这里不提供我修改的代码了，源代码需要的话直接去[人家Github](https://github.com/weber0522bb/AODnet-by-pytorch)上找吧.以下是我可以运行的命令行参数更改。他有几个包有问题。但是最近搞得太忙了，自己的训练当时用一半数据集跑出来效果太差了。(老板不给服务器，用1060 6G跑的，TAT) # Training Part 这一块如何使用我会更新CSDN说明一下的 ## Dateset Setup 1. Clone this repository 2. Create dataset from the repository root directory ```bash $ cd make_dataset $ python create_train.py --nyu {Your NYU Depth V2 path} --dataset {Your trainset path} ``` 3. Random pick 3,169 pictures as validation set ```bash $ python random_select.py --trainroot {Your trainset path} --valroot {Your valset path} ``` ## Start to training 4. training AOD-Net ```bash $ python train.py --dataroot {Your trainset path} --valDataroot {Your valset path} --cuda ``` # Testing Part 5. test hazy image on AOD-Net ```bash $ python test.py --input_image /test/canyon1.jpg --model /model_pretrained/AOD_net_epoch_relu_10.pth --output_filename /result/canyon1_dehaze.jpg --cuda ```