LLFormer 开源项目教程

LLFormer 开源项目教程

LLFormer The code release of paper "AAAI Ultra-High-Definition Low-Light Image Enhancement: A Benchmark and Transformer-Based Method", AAAI 2023 项目地址: https://gitcode.com/gh_mirrors/ll/LLFormer

1. 项目介绍

LLFormer 是一个用于超高清低光图像增强的 Transformer 模型，由 Tao Wang 等人在 AAAI 2023 上提出。该项目旨在处理大规模图像，特别是 4K 和 8K 分辨率的低光图像增强任务。LLFormer 的核心组件包括基于轴的多头自注意力和跨层注意力融合块，这些组件显著降低了计算复杂度。

LLFormer 不仅在新的 UHDLOL 数据集上进行了广泛的基准测试，还展示了其在现有公共数据集上的优越性能。此外，使用 LLFormer 作为预处理步骤可以显著提高下游任务（如低光条件下的面部检测）的性能。

2. 项目快速启动

2.1 环境配置

首先，创建并激活 Conda 环境：

conda create -n LLFormer python=3.7
conda activate LLFormer

安装 PyTorch 和其他依赖项：

conda install pytorch=1.8 torchvision=0.3 cudatoolkit=10.1 -c pytorch
pip install matplotlib scikit-image opencv-python yacs joblib natsort h5py tqdm

2.2 克隆项目

克隆 LLFormer 仓库到本地：

git clone https://github.com/TaoWangzj/LLFormer.git
cd LLFormer

2.3 安装 warmup scheduler

进入 pytorch-gradual-warmup-lr 目录并安装：

cd pytorch-gradual-warmup-lr
python setup.py install
cd ..

2.4 下载数据集

下载 UHD-LOL4K 和 UHD-LOL8K 数据集：

• UHD-LOL4K: [OneDrive | Baidu drive]
• UHD-LOL8K: [OneDrive | Baidu drive]

2.5 测试预训练模型

修改测试参数并运行测试脚本：

python test.py --input_dir your_data_path --result_dir your_save_path --weights weight_path

对于 UHD-LOL 数据集，使用以下命令：

python test_UHD.py --input_dir your_data_path --result_dir your_save_path --weights weight_path

3. 应用案例和最佳实践

3.1 低光图像增强

LLFormer 在低光图像增强任务中表现出色，特别是在处理 4K 和 8K 分辨率的图像时。通过使用 LLFormer 作为预处理步骤，可以显著提高下游任务（如面部检测）的性能。

3.2 数据集准备

在训练和测试之前，确保数据集已正确下载并放置在指定目录中。可以使用提供的脚本生成训练图像的子图像。

3.3 模型训练

运行以下命令开始训练 LLFormer：

python train.py -yml_path your_config_path

确保根据您的训练环境修改配置文件。

4. 典型生态项目

4.1 HWMNet

HWMNet 是一个用于图像去模糊的开源项目，与 LLFormer 类似，它也使用了 Transformer 架构来处理图像增强任务。

4.2 Restormer

Restormer 是一个用于图像恢复的 Transformer 模型，它在多个图像恢复任务中表现出色，与 LLFormer 有相似的技术基础。

4.3 LLFlow

LLFlow 是一个用于低光图像增强的开源项目，它使用了基于流的模型来处理低光图像，与 LLFormer 在任务上有一定的重叠。

4.4 BasicSR

BasicSR 是一个用于图像超分辨率的开源项目，它提供了多种图像增强技术的实现，可以作为 LLFormer 的补充工具。

通过结合这些生态项目，可以构建更强大的图像处理流水线，满足不同应用场景的需求。

LLFormer The code release of paper "AAAI Ultra-High-Definition Low-Light Image Enhancement: A Benchmark and Transformer-Based Method", AAAI 2023 项目地址: https://gitcode.com/gh_mirrors/ll/LLFormer