Learning to See in the Dark下載 - Learning to See in the Dark原始碼下載

Learning to See in the Dark

Python

1.0.0

下載

學習在黑暗中看東西

這是 CVPR 2018 中「學習在黑暗中看到」的 Tensorflow 實現，作者為 Chen Chen、Qifeng Chen、Jia Xu 和 Vladlen Koltun。

專案網站
紙

teaser

此程式碼包含用於在黑暗中看到 (SID) 資料集進行訓練和測試的預設模型。

示範影片

https://youtu.be/qWKUFK7MWvg

設定

要求

所需的 python（版本 2.7）函式庫：Tensorflow (>=1.1) + Scipy + Numpy + Rawpy。

在 Ubuntu + Intel i7 CPU + Nvidia Titan X (Pascal)、Cuda (>=8.0) 和 CuDNN (>=5.0) 中進行測試。 CPU 模式也應該可以在較小的變更下工作，但未經測試。

數據集

2018 年 8 月更新：我們發現圖像 10034、10045、10172 與真實情況存在一些偏差。

您可以直接從 Google 雲端硬碟下載Sony (25 GB) 和富士 (52 GB) 裝置。

Google Drive 在固定時間內有下載限制。如果您因此無法下載，請嘗試以下連結：Sony (25 GB) 和 Fuji (52 GB)。

新：我們現在在百度網盤中提供文件部分。下載所有零件後，您可以透過執行「cat SonyPart* > Sony.zip」和「cat FujiPart* > Fuji.zip」將它們組合在一起。

提供了文件列表。每行都有一個短曝光影像路徑、對應的長曝光影像路徑、相機ISO和F值。注意，多個短曝光影像可以對應相同的長曝光影像。

檔案名稱包含圖像資訊。例如，在「10019_00_0.033s.RAF」中，第一個數字「1」表示來自測試集（「0」表示訓練集，「2」表示驗證集）； “0019”為圖像ID；後面的「00」是序列/突發中的編號；「0.033s」是曝光時間1/30秒。

測試

克隆這個儲存庫。
透過執行下載預訓練模型

python download_models.py

運行“python test_Sony.py”。這將在索尼測試集上產生結果。
運行“python test_Fuji.py”。這將在 Fuji 測試集上產生結果。

預設情況下，程式碼會取得“./dataset/Sony/”資料夾和“./dataset/Fuji/”資料夾中的資料。如果將資料集儲存在其他資料夾中，請變更程式碼開頭的「input_dir」和「gt_dir」。

訓練新模型

要訓練 Sony 模型，請執行「python train_Sony.py」。結果和模型將預設保存在“result_Sony”資料夾中。
要訓練 Fuji 模型，請執行「python train_Fuji.py」。結果和模型預設保存在“result_Fuji”資料夾中。

預設情況下，程式碼會取得“./dataset/Sony/”資料夾和“./dataset/Fuji/”資料夾中的資料。如果將資料集儲存在其他資料夾中，請變更程式碼開頭的「input_dir」和「gt_dir」。

載入原始資料並透過 Rawpy 進行處理比反向傳播花費更多的時間。預設情況下，程式碼會將 Rawpy 處理的所有 groundtruth 資料載入到記憶體中，而不會進行 8 位元或 16 位元量化。訓練 Sony 模型至少需要 64 GB RAM，訓練 Fuji 模型至少需要 128 GB RAM。如果您需要在 RAM 較少的機器上訓練它，您可能需要修改程式碼並使用磁碟上的真實資料。我們提供由 Rawpy 處理的 16 位元真實影像：Sony (12 GB) 和 Fuji (22 GB)。