Closed 2665207323 closed 1 year ago
我觉得一是V1的测试数量太少,二是测试的那几张图片很难恢复颜色,大部分的方法都很难在v1数据集上得到很好的颜色恢复效果(相对于它们对应的参考图的颜色来说),这些会影响PSNR的值。
我是随机从485张训练中选了300来张来训练,数量差不多刚好v2的一半这种,就想看一下数据量对训练的影响。
你可以试试从v1中挑100张图,用剩下的训练,再看一下在v1和v2上的测试结果,差别可能就不那么明显了
主要是我用343张v1的训练,然后不管是从剩下的挑50张还是142张全部用上,训练好的模型对v1计算得到的PSNR值跟论文上的很接近,但是对v2的Test测试,PSNR就能离谱的高到28多,不知道为啥
用剩下的50张或者142张在训练中作为验证集
我测试的时候,是根据高光图像来计算except_mean值的
这样对吗
震惊!你咋训练的?
对是对,但是我没测到过这么高的值
哈哈哈,不知道为啥
666666
超参数都没有动,就是随机挑了343张训练集,然后用剩下的142张或者从中挑50张,甚至直接用Test测试集作为训练过程中的验证集来训练30000个epoch
但是训练LOLv2的模型就很符合论文中的数据,哈哈哈哈,离谱至极
这我就不理解了,为啥啊,我用LOL-V2训练的结果都没这么高
那您还有之前训练用的v1的数据集吗
我想用您的再训练一次
加个微信吧,我也想知道为啥你的训练数据有这种神奇效果
我的是zhangyuhit2
okok
你好!我在别的模型上也发现了这样的情况,使用在LOLv1上训好的模型在LOLv2-real上测试,指标会高好几个点,请问你们最后有什么结论吗?或者是否可以加v探讨一下?
请问一下作者,为什么我用LOL_v1的数据集训练出来的模型,在对v2的测试集做测试的时候,得到的PSNR的值会比测v1的高出三个多点呢,请问训练v1数据集的时候,数据集是怎么划分的呢