STAR pytorch

Bintang-Pytorch

Implementasi untuk kertas "Star: Transformator ringan yang sadar struktur untuk peningkatan gambar real-time" (ICCV 2021).

CVF (PDF)

Bintang-dce

Implementasi Pytorch dari peningkatan cahaya rendah dengan Star on Adobe-Mit Fivek Dataset. Anda dapat menemukannya di direktori Star-DCE. Di sini kami mengadopsi Pipleline of Zero-DCE (Paper | Code), hanya mengganti tulang punggung CNN dengan bintang. Dalam nol-DCE, untuk setiap gambar, jaringan akan mundur sekelompok kurva, yang kemudian akan diterapkan pada gambar sumber secara iteratif. Anda dapat menemukan detail lebih lanjut dalam repo asli Zero-DCE.

Persyaratan

• Numpy
• Einops
• obor
• Torchvision
• opencv

Tanggal

Kami menyediakan tautan unduhan untuk dataset FIMEK Adobe-Mit yang kami gunakan (Tes Train | Test). Harap dicatat bahwa kami mengadopsi set tes yang dibagi oleh Deepupe untuk perbandingan yang adil.

Melatih model DCE

Untuk melatih model bintang asli,

 cd STAR-DCE
python train_dce.py 
  --lowlight_images_path "dir-to-your-training-set" 
  --parallel True 
  --snapshots_folder snapshots/STAR-ori 
  --lr 0.001 
  --num_epochs 100 
  --lr_type cos 
  --train_batch_size 32 
  --model STAR-DCE-Ori 
  --snapshot_iter 10 
  --num_workers 32 

Untuk melatih DCE-NET berbasis CNN baseline (W atau W O Pooling),

 cd STAR-DCE
python train_dce.py 
  --lowlight_images_path "dir-to-your-training-set" 
  --parallel True 
  --snapshots_folder snapshots/DCE 
  --lr 0.001 
  --num_epochs 100 
  --lr_type cos 
  --train_batch_size 32 
  --model DCE-Net 
  --snapshot_iter 10 
  --num_workers 32 

atau

 cd STAR-DCE
python train_dce.py 
  --lowlight_images_path "dir-to-your-training-set" 
  --parallel True 
  --snapshots_folder snapshots/DCE-Pool 
  --lr 0.001 
  --num_epochs 100 
  --lr_type cos 
  --train_batch_size 32 
  --model DCE-Net-Pool 
  --snapshot_iter 10 
  --num_workers 32 

Evaluasi model terlatih

Untuk mengevaluasi model bintang-DCE yang Anda latih,

 cd STAR-DCE
  python test_dce.py 
  --lowlight_images_path  "dir-to-your-test-set" 
  --parallel True 
  --snapshots_folder snapshots_test/STAR-DCE 
  --val_batch_size 1 
  --pretrain_dir snapshots/STAR-ori/Epoch_best.pth 
  --model STAR-DCE-Ori 

Untuk mengevaluasi model DCE-NET yang Anda latih,

 cd STAR-DCE
  python test_dce.py 
  --lowlight_images_path  "dir-to-your-test-set" 
  --parallel True 
  --snapshots_folder snapshots_test/DCE 
  --val_batch_size 1 
  --pretrain_dir snapshots/DCE/Epoch_best.pth 
  --model DCE-Net 

Kutipan

Jika kode ini membantu meneliti Anda, silakan mengutip makalah kami :)

 @inproceedings{zhang2021star,
  title={STAR: A Structure-Aware Lightweight Transformer for Real-Time Image Enhancement},
  author={Zhang, Zhaoyang and Jiang, Yitong and Jiang, Jun and Wang, Xiaogang and Luo, Ping and Gu, Jinwei},
  booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
  pages={4106--4115},
  year={2021}
}