文件名称：Self-Guided-Network-for-Fast-Image-Denoising:ICCV 2019论文SGN的PyTorch实施
文件大小：2.47MB
文件格式：ZIP
更新时间：2024-05-27 07:25:48
Python
自导网络快速图像去噪 SGN的PyTorch实现以及给定噪声范围的估计PSNR 训练 我在Python 3.6和PyTorch 1.0环境上训练了此SGN。 培训策略与论文相同。 您可以使用以下脚本对自己的数据进行训练（请注意，您需要修改数据集路径）： cd SGN python train.py or sh zyz.sh 测验 我使用ILSVRC2012验证集对4个NVIDIA TITAN Xp GPU进行了培训，并在1个TITAN Xp GPU上进行了测试。 详细信息显示在代码train.py 。 该演示来自SGN的ILSVRC2012验证集（mu = 0，sigma = 30，batchsize = 32、1000000次迭代）。 左：干净的图像（从COCO2014验证集中选择，COCO_val2014_000000264615.jpg） 中：加性高斯噪声+清晰图像 右
【文件预览】：
Self-Guided-Network-for-Fast-Image-Denoising-master
----SGN()
--------trainer.py(5KB)
--------validation.py(6KB)
--------PixelUnShuffle.py(1KB)
--------validation_folder.py(4KB)
--------network.py(7KB)
--------PixelUnShuffle_example.py(477B)
--------network_test.py(1KB)
--------utils.py(2KB)
--------test.py(3KB)
--------dataset.py(4KB)
--------network_module.py(7KB)
--------zyz.sh(550B)
--------train.py(5KB)
----result.jpg(117KB)
----README.md(3KB)
----noisy_img_examples()
--------0.0075.png(155KB)
--------0.05.png(161KB)
--------0.01.png(130KB)
--------0.005.png(112KB)
--------0.001.png(90KB)
--------0.04.png(150KB)
--------0.02.png(176KB)
--------0.12.png(165KB)
--------0.18.png(191KB)
--------0.03.png(142KB)
--------0.2.png(189KB)
--------0.075.png(176KB)
--------0.15.png(190KB)
--------0.1.png(177KB)
--------0.3.png(191KB)
----noise_estimate.py(4KB)
----noise_visualization.py(3KB)