Closed lyj0823 closed 3 years ago
我试过了!昨天刚试过了 MIT-Adobe FiveK 数据集, ExpertC作为标签, 0-4499 做训练集,4500-5000 做验证集,训练了 95 epoch 得以下结果:
opencv_psnr : 15.675621419654806
mean_psnr : 28.08877043728922
sklearn_ssim : 0.7421423059845486
虽然客观评测的数据不是很好看,但主观上的增强我觉得是众多方法中较好的!EnlightenGAN 在低光照这方面做得很好,并没有失真啊之类的情况,给几个例子吧:
Bad Images with low light
Enhanced with EnlightenGAN which is trained with Adobe FiveK dataset
些许改动
script.py 那里要改数据集的路径,分别命名为 testA 和 testB
要注意数据集中短边最小的长度,因为有个 fineSize 是用来切割图像的,在 script 中修改就可以了
注意测试的图像不能太大,会 OOM 的,我试过了,2000 * 1500 分辨率的图像还是可以的,11G 1080ti。可惜测试这块,作者没有实现多块卡上 Inference,如果可以在低分辨率下增强,作用到高分辨率图像上,就好比 HDRnet 那种就好了
请问是否需要修改gpu_ids参数呢
@hermosayhl Can you share the dataset you have used (A and B)?
@hermosayhl 请问在cpu上能跑吗?
你是使用自己的低亮度数据集和作者的提供的trainB吗?可以说说您怎么构建您的数据集的吗?我用bdd-100k数据集作为trainA,作者提供的trainB训练,效果还不是很好,可以介绍您除了修改数据集路径还修改哪些参数吗? @yueruchen @hermosayhl
@zhangxiaopang88 Could you please provide some examples so that I can help debug? And maybe you could try to tune -vgg
to adjust your own dataset
有没有人试过在别的数据集上训练模型呢?需要注意什么吗,谢谢