《One-Pot Multi-Frame Denoising》项目安装与配置指南-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00286/article/details/146899615

《One-Pot Multi-Frame Denoising》项目安装与配置指南

One-Pot_Multi-Frame_Denoising The official implementation of IJCV & BMVC 2022 paper "One-Pot Multi-frame Denoising". 项目地址: https://gitcode.com/gh_mirrors/on/One-Pot_Multi-Frame_Denoising

1. 项目基础介绍

《One-Pot Multi-Frame Denoising》是一个图像去噪的开源项目，它基于IJCV & BMVC 2022论文实现了无需清洁监督的图像去噪方法。该方法利用多个噪声帧之间的相互监督，提高了学习过程中的多样性，并允许模型更好地利用帧之间的相关性。项目主要使用Python 3.8作为编程语言。

2. 项目使用的关键技术和框架

本项目采用的关键技术是“一锅式”去噪（One-Pot Denoising，OPD），它是一种无监督的多帧去噪方法。在框架方面，项目使用了PyTorch作为深度学习框架，并实现了一种改进的U-Net网络结构用于去噪。

3. 项目安装和配置的准备工作及详细步骤

准备工作

确保您的系统已经安装了Python 3.8。
安装conda（推荐）或anaconda，以便管理Python环境。
准备好ImageNet、BSD300、KODAK和SET14数据集的清洁版本。

安装步骤

创建并激活虚拟环境

conda create -n opd python=3.8
conda activate opd

安装PyTorch和其他依赖

conda install pytorch_gpu
python -m pip install --upgrade pip
pip install -r requirements.txt

准备带噪声的数据集

首先，将清洁数据集下载并解压到项目的./data目录下。然后使用以下命令为每个数据集添加噪声（以ImageNet为例）：
```
python add_noise.py --root_dir 'data/ILSVRC2012_img_val/' --tar_dir 'data/ILSVRC2012_img_val_noisy1/'
```
请根据需要重复此步骤，为每个数据集生成多个噪声版本。
训练网络

使用以下命令开始训练（以下命令将以ImageNet验证集为例，使用OPD-RC策略）：
```
python train.py --strategy RC --datadir ILSVRC2012_img_val_noisy
```
根据需要，您可以更改--strategy参数为AL以使用OPD-AL策略。
测试训练好的网络

训练完成后，在models/OPD-RC_ILSVRC2012val_AWGN/目录下会有一个名为network_final.pth的文件。使用以下命令来测试网络：
```
python test.py --strategy RC --testdata BSD300 --srcpath BSD300_noisy --tarpath BSD300
```
运行演示

如果您想要在SET14数据集上运行演示，只需执行以下命令：
```
python demo.py
```