# 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
```
AOD去雾模型_去雾算法
版权申诉
100 浏览量
2022-09-22
16:05:10
上传
评论 2
收藏 7.31MB ZIP 举报
weixin_42651887
- 粉丝: 76
- 资源: 1万+
最新资源
- 论文(最终)_20240430235101.pdf
- 基于python编写的Keras深度学习框架开发,利用卷积神经网络CNN,快速识别图片并进行分类
- 最全空间计量实证方法(空间杜宾模型和检验以及结果解释文档).txt
- 5uonly.apk
- 蓝桥杯Python组的历年真题
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 前端开发技术实验报告:内含4四实验&实验报告
- Highlight Plus v20.0.1
- 林周瑜-论文.docx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
评论0