【源码】基于PyTorch框架的AODNet图像去雾系统

项目简介

本项目借助PyTorch深度学习框架实现了AOD-Net（All-in-One Network for Dehazing）图像去雾系统。AOD-Net作为针对雾天图像去雾的神经网络模型，可通过训练自动学习并提取图像特征，进而去除图像中的雾气。

项目的主要特性和功能

1. 图像去雾：运用AOD-Net神经网络模型，能有效去除图像中的雾霾、烟雾等杂质。
2. 数据集处理：提供数据集处理脚本，涵盖NYU Depth V2数据集的合成模糊图像构建代码和hazy数据集的训练代码。
3. 模型训练与测试：具备模型训练、验证和测试功能，支持自定义数据集训练和使用预训练模型。
4. 预训练模型：包含AOD网络的预训练模型，可直接用于去雾任务。

安装使用步骤

前提准备

1. 安装Python 3.6及以上版本。
2. 安装PyTorch 0.4.0及以上版本。
3. 安装其他必要的Python包，如numpy、torchvision等。

使用步骤

1. 复制项目： bash cd AOD-Net
2. 安装依赖： bash pip install -r requirements.txt
3. 数据集准备：
4. 下载NYU Depth V2数据集，并解压到指定目录。
5. 使用以下命令生成训练数据集： bash cd make_dataset python create_train.py --nyu {Your NYU Depth V2 path} --dataset {Your trainset path}
6. 随机选择验证集： bash python random_select.py --trainroot {Your trainset path} --valroot {Your valset path}
7. 模型训练：
8. 使用以下命令开始训练AOD-Net模型： bash python train.py --dataroot {Your trainset path} --valDataroot {Your valset path} --cuda
9. 模型测试：
10. 使用预训练模型对图像进行去雾测试： bash python test.py --input_image /test/canyon1.jpg --model /model_pretrained/AOD_net_epoch_relu_10.pth --output_filename /result/canyon1_dehaze.jpg --cuda

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】