semi-dehazing:半监督单图像去雾

【文件属性】：
文件名称：semi-dehazing:半监督单图像去雾
文件大小：491KB
文件格式：ZIP
更新时间：2021-05-09 00:27:55
semi-supervised-learning dehazing Python 半监督单图像去雾 半监督单图像去雾代码。 依赖 pytorch >= 1.0 visdom 数据集制作 通过以下方式使您成为数据集： 合成图像：将两张图像（朦胧（HxWxC），清洁（HxWxC））对齐为一张图像（Hx2WxC）。 要注意的是，H和W应该是8的倍数。将它们（ ./datasets/dehazing/train张图像）放在./datasets/dehazing/train 。 真实的模糊图像：将它们（ ./datasets/dehazing/unlabeled张图像）放在./datasets/dehazing/unlabeled 测试图像：与1.对齐，然后将它们放在./datasets/dehazing/test 火车 您可以通过以下方式训练模型： python train.py --dataroot ./datasets/dehazing --name run_

【文件预览】：
semi-dehazing-master
----semi-dehazing.png(456KB)
----.gitignore(1KB)
----pytorch_ssim()
--------__init__.py(3KB)
----data()
--------__init__.py(0B)
--------image_folder.py(2KB)
--------base_dataset.py(2KB)
--------single_dataset.py(831B)
--------base_data_loader.py(195B)
--------data_loader.py(229B)
--------unaligned_dataset.py(1KB)
--------aligned_dataset.py(3KB)
--------custom_dataset_data_loader.py(1KB)
----options()
--------train_options.py(3KB)
--------test_options.py(847B)
--------__init__.py(0B)
--------base_options.py(5KB)
----run_id_1.sh(411B)
----models()
--------__init__.py(0B)
--------conditional_gan_model.py(8KB)
--------models.py(333B)
--------networks.py(34KB)
--------base_model.py(2KB)
--------test_model.py(2KB)
--------losses.py(7KB)
----util()
--------image_pool.py(1KB)
--------png.py(978B)
--------visualizer.py(6KB)
--------__init__.py(0B)
--------html.py(2KB)
--------fix_cxx_abi.sh(151B)
--------get_data.py(3KB)
--------metrics.py(1KB)
--------util.py(2KB)
----pred.py(2KB)
----README.md(2KB)
----test.py(3KB)
----ECLoss()
--------__init__.py(0B)
--------ECLoss.py(1KB)
----TVLoss()
--------__init__.py(0B)
--------TVLossL1.py(768B)
--------grad_conv.py(1KB)
----train.py(3KB)