图像去模糊—NAFNet代码运行记录

图像去模糊代码—NAFNet运行记录

NAFNet论文是ECCV 2022的一篇文章，是计算机低级视觉-图像重建方面的工作，文章做的实验有图像去模糊、图像去噪、图像超分辨率等，实验效果非常棒，代码也写的非常好。
本博文教你如何用该论文的代码做图像去模糊的推理。实际上代码的readme.md已经写的很清楚了，但是有些人github也上不去，也挺闹心。
关于训练，因为前期准备数据集比较麻烦，暂时就不讲训练了。

1. 电脑环境

Centos (服务器操作系统)+miniconda (用于创建虚拟环境)+ NAFNet (代码) + torch (1.13.1+cu116)

2. 了解工作

论文题目：Simple Baselines for Image Restoration

论文地址：https://arxiv.org/pdf/2204.04676v4

论文github地址：https://github.com/megvii-research/NAFNet

强烈建议给个star，毕竟代码写的确实很棒，阅读对自己很有用。

官方给出的各个模型预训练权重结果如下，可以从谷歌云盘或者百度云下载。

Results and Pre-trained Models

name	Dataset	PSNR	SSIM	pretrained models
NAFNet-GoPro-width32	GoPro	32.8705	0.9606	gdrive | 百度网盘
NAFNet-GoPro-width64	GoPro	33.7103	0.9668	gdrive | 百度网盘
NAFNet-SIDD-width32	SIDD	39.9672	0.9599	gdrive | 百度网盘
NAFNet-SIDD-width64	SIDD	40.3045	0.9614	gdrive | 百度网盘
NAFNet-REDS-width64	REDS	29.0903	0.8671	gdrive | 百度网盘
NAFSSR-L_4x	Flickr1024	24.17	0.7589	gdrive | 百度网盘
NAFSSR-L_2x	Flickr1024	29.68	0.9221	gdrive | 百度网盘
Baseline-GoPro-width32	GoPro	32.4799	0.9575	gdrive | 百度网盘
Baseline-GoPro-width64	GoPro	33.3960	0.9649	gdrive | 百度网盘
Baseline-SIDD-width32	SIDD	39.8857	0.9596	gdrive | 百度网盘
Baseline-SIDD-width64	SIDD	40.2970	0.9617	gdrive | 百度网盘

如果不能访问github，可以从我百度云下载代码和预训练权重，experiments/pretrained_models路径中有所有的预训练模型权重。

百度云链接：

链接：https://pan.baidu.com/s/1m_i54ioEZsde8euky7qK6Q?pwd=rcu1
提取码：rcu1

备注：本文只进行推理预测，如果想要训练自己的数据集，需要对数据集进行相应的处理。

3. 前提准备工作

已经安装过anaconda或者miniconda，电脑存在conda环境。

4. 配置环境

1. 新建环境

conda create -n nafnet python=3.10

2. 激活进入环境

conda activate nafnet

3. 安装必要的依赖

pip instll -r requirement.txt

如果无法安装tb-nightly是因为清华、bfsu镜像源的问题，临时更改为阿里源：

python -m pip install tb-nightly -i https://mirrors.aliyun.com/pypi/simple

4. 安装torch

pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

安装torch之后，记得查看torch是否可用cuda，使用如下命令，首先进入python环境，接着导入torch，然后使用如下命令查看cuda是否可用，如果可用，返回True，如果cuda不可用，返回False。

import torch

torch.cuda.is_available()

5. 安装basicsr

python setup.py develop --no_cuda_ext

这个安装可能容易出现问题，记得查看安装是否成功。

显示如下表示安装成功：

如果没有Cython，可能会报错如下，

需要安装Cython

pip install Cython

5. 预测

如果是直接预测，不训练，使用如下代码就可以直接对图像去模糊。

python basicsr/demo.py -opt options/test/REDS/NAFNet-width64.yml --input_path ./demo/blurry.jpg --output_path ./demo/deblur_img.png

图像去模糊如下，效果非常好：

6. 训练

准备数据集可能比较麻烦了，在这就不讲了，就说一下训练的代码。如果有人需要，到时候再写一篇训练的博客。
训练时间一般比较长，一块卡，600张图片对，batch设置为4，训练大概也需要1天多了。
如果是单卡，使用如下命令训练，前提是数据集已经准备好，且放入了对应的文件中：

python -m torch.distributed.launch --nproc_per_node=1 --master_port=4321 basicsr/train.py -opt options/train/GoPro/NAFNet-width32.yml --launcher pytorch

训练成功，有类似如下界面