RetinexNet 项目使用教程

1. 项目的目录结构及介绍

RetinexNet/
├── data/
│   ├── LOLdataset/
│   └── other_datasets/
├── models/
│   ├── DecomNet.py
│   ├── EnhanceNet.py
│   └── __init__.py
├── utils/
│   ├── data_utils.py
│   ├── loss_utils.py
│   └── __init__.py
├── configs/
│   ├── config.yaml
│   └── __init__.py
├── main.py
├── README.md
└── requirements.txt

目录结构介绍

• data/: 存放数据集的目录，包括 LOLdataset 和其他数据集。
• models/: 存放模型的目录，包括 DecomNet.py 和 EnhanceNet.py，分别用于图像分解和光照调整。
• utils/: 存放工具函数的目录，包括数据处理和损失函数等。
• configs/: 存放配置文件的目录，包括 config.yaml，用于配置项目的参数。
• main.py: 项目的启动文件。
• README.md: 项目的说明文档。
• requirements.txt: 项目依赖的 Python 包列表。

2. 项目的启动文件介绍

main.py

main.py 是项目的启动文件，负责加载配置、初始化模型、加载数据集并进行训练或测试。以下是 main.py 的主要功能模块：

• 配置加载: 从 configs/config.yaml 中加载项目的配置参数。
• 模型初始化: 初始化 DecomNet 和 EnhanceNet 模型。
• 数据加载: 使用 utils/data_utils.py 中的函数加载数据集。
• 训练与测试: 根据配置文件中的参数，选择进行训练或测试。

3. 项目的配置文件介绍

configs/config.yaml

config.yaml 是项目的配置文件，用于配置项目的各种参数，包括数据路径、模型参数、训练参数等。以下是配置文件的主要内容：

data:
  dataset_path: "data/LOLdataset"
  batch_size: 8

model:
  decom_net:
    input_channels: 3
    output_channels: 3
  enhance_net:
    input_channels: 3
    output_channels: 3

training:
  epochs: 100
  learning_rate: 0.001
  save_interval: 10

testing:
  test_image_path: "data/test_images"

配置文件介绍

• data: 数据相关的配置，包括数据集路径和批处理大小。
• model: 模型相关的配置，包括 DecomNet 和 EnhanceNet 的输入输出通道数。
• training: 训练相关的配置，包括训练轮数、学习率和保存模型的间隔。
• testing: 测试相关的配置，包括测试图像的路径。

通过修改 config.yaml 文件，可以灵活调整项目的运行参数，以适应不同的需求和环境。