search

csdwren / PReNet

Progressive Image Deraining Networks: A Better and Simpler Baseline (CVPR 2019)
230 stars 52 forks source link

4.3. Evaluation on Real Rainy Images #4

Open qiyinhe opened 5 years ago

qiyinhe commented 5 years ago

您好作者，请问文件夹 ./PReNet/logs/real/中的两组参数PReNet1.pth和PReNet2.pth是在哪个数据集上训练出来的？

csdwren commented 5 years ago

Rain100H、Rain100L和Rain1400的训练集都用了，但是因为Rain1400的训练集图像数量远多于其他两个，所以在构建h5文件的时候，stride是其他两个训练集的3倍。另外，PReNet多个epoch之后会在训练集上过拟合，1个epoch就停止训练的模型在真实图的扩展能力反而更好。PReNet1.pth和PReNet2.pth都是在这3个训练集的1个epoch的模型，区别只是recursive loss 和 final loss的区别，视觉效果应该基本没有区别。

githubPsearth commented 5 years ago

Rain100H、Rain100L和Rain1400的训练集都用了，但是因为Rain1400的训练集图像数量远多于其他两个，所以在构建h5文件的时候，stride是其他两个训练集的3倍。另外，PReNet多个epoch之后会在训练集上过拟合，1个epoch就停止训练的模型在真实图的扩展能力反而更好。PReNet1.pth和PReNet2.pth都是在这3个训练集的1个epoch的模型，区别只是recursive loss 和 final loss的区别，视觉效果应该基本没有区别。

作者您好，请问是将三个训练集混合之后，进行训练吗？

csdwren commented 5 years ago

对。只用rain100H训练集应该也可以，不过不能训练太充分，过拟合之后对真实图效果就很差了。

SunshineJunFu commented 4 years ago

Could you provide your deraining results on real-world rain images?