图像去雾，利用《bringing old photos back to life》 训练并修改

目录

 

背景

数据的处理

模型修改

模型训练

后续

---

背景

《bringing old photos back to life》是一篇用于老照片修复的论文，论文的故事讲的很好，但是不利于读者的理解，而且代码中的很多细节，论文中并未提到。具体的代码背景等可以查看我之前写的一些文章，本次博客主要记录我用它的模型做的我一些任务（去雾），并写出一些主要得坑和tips。

下面从三部分记录，分别为数据的处理，模型修改，模型训练，中间加插一些坑与tips。过些时间我会上传一份我训练的代码和数据集（等我的论文出版之后吧==）。

数据的处理

原始论文得数据处理就是一个坑。

1.

原论文一共需要两种数据集，一种是清晰的图片（Pascal VOC dataset），一种是他们收集的老照片（5718张，未公开）。

其实，准确的说还有两种，即利用清晰得图片（Pascal VOC dataset）通过降质算法（如高斯、白噪声、椒盐等）模拟生成的模糊图片，这一步骤嵌入在模型里，训练时自动生成；单纯这样不足还以模拟破旧的照片，还需要一些裂痕（mask，未公开），这比较复杂，需要标注生成。

你如果想要完全复原原始论文，是不可能的！我没关注他们最近是否完全公开了数据集。

但是，你可以拿它来做类似得任务，你只需要有 三种图像，输入图像（可由输出图像生成），输出图像，真实收集的输入图像（可无）。

因此，你如果实在想使用这个模型的话，你最少可以只有一种数据，就是你想要模型的输出的图像，，前提是你模拟生成的输入图像（如利用清晰图像生成的雾图，利用清晰的图像生成的海底图像....）足够逼真。当然，这里的输入和输出互相可以调换，做相反的任务，哈哈，我已经用它做了<