MSPFN 代码复现

1、环境配置

conda create -n MSPFN python=3.9

conda activate MSPFN

pip install opencv-python

pip install tensorflow

pip install tqdm

pip install matplotlib

2、train

2.1 创建数据集

2.1.1 数据集格式

|--rainysamples  
    |--file1
            ：  
    |--file2
        :
    |--filen
    
|--clean samples
    |--file1
            ：  
    |--file2
        :
    |--filen

2.1.2 将图片1.jpg 放到file1 的代码

import os
import shutil

# 源文件夹路径，存放图片的文件夹
source_folder = r'path/to/your/source/folder'

# 获取源文件夹中的所有文件
files = os.listdir(source_folder)

# 遍历文件
for file_name in files:
    # 检查文件是否为.jpg格式
    if file_name.endswith('.jpg'):
        # 提取文件名中的编号（去掉扩展名）
        file_number = os.path.splitext(file_name)[0]
        
        # 创建目标文件夹路径
        target_folder = os.path.join(source_folder, f'file{file_number}')
        
        # 如果目标文件夹不存在，则创建
        if not os.path.exists(target_folder):
            os.makedirs(target_folder)
        
        # 构造源文件和目标文件的完整路径
        source_file = os.path.join(source_folder, file_name)
        target_file = os.path.join(target_folder, file_name)
        
        # 移动文件
        shutil.move(source_file, target_file)
        print(f"已将 {file_name} 移动到 {target_folder}")

print("所有图片已成功归类到对应的文件夹中！")

 2.1.3  运行 preprocessing.py 生成 npy 格式文件

修改代码路径为自己的清晰图像路径

files = glob.glob('/root/autodl-tmp/MSPFN-master/model/train_data/train/*') 

2.2 训练

python train_MSPFN.py

3、test

cd ./model/test
python test_MSPFN.py