Noise2Self 项目教程

1. 项目目录结构及介绍

Noise2Self 项目的目录结构如下：

noise2self/
├── figs/
├── gaussianprocess/
├── models/
├── notebooks/
├── LICENSE
├── README.md
├── environment.yml
├── index.html
├── mask.py
├── util.py

目录介绍：

• figs/: 存放项目中使用的图像文件。
• gaussianprocess/: 存放与高斯过程相关的代码和文件。
• models/: 存放深度学习模型的代码和文件。
• notebooks/: 存放 Jupyter Notebook 文件，用于演示和实验。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的介绍和使用说明。
• environment.yml: 项目的依赖环境配置文件。
• index.html: 项目的 HTML 文件，可能用于展示或文档。
• mask.py: 与掩码相关的 Python 代码文件。
• util.py: 项目中使用的工具函数和辅助代码。

2. 项目启动文件介绍

Noise2Self 项目的主要启动文件是 notebooks/ 目录下的 Jupyter Notebook 文件。这些 Notebook 文件用于演示如何使用项目中的代码进行盲去噪。

主要 Notebook 文件：

• Intro to Calibration.ipynb: 演示如何校准传统的图像去噪模型，如中值滤波、小波阈值或非局部均值。
• Intro to Neural Nets.ipynb: 演示如何使用自监督损失训练去噪神经网络，以 MNIST 数字为例。
• Single Shot Denoising.ipynb: 演示如何使用单张 512x512 的噪声图像训练深度神经网络进行去噪。

启动步骤：

1. 安装项目依赖环境：

   conda env create -f environment.yml
   conda activate noise2self
   

2. 启动 Jupyter Notebook：

   jupyter notebook
   

3. 在 Jupyter Notebook 中打开相应的 Notebook 文件，运行代码进行实验。

3. 项目的配置文件介绍

Noise2Self 项目的主要配置文件是 environment.yml，该文件用于定义项目的依赖环境。

environment.yml 文件内容：

name: noise2self
channels:
  - defaults
dependencies:
  - python=3.7
  - numpy
  - scipy
  - scikit-image
  - pytorch
  - torchvision
  - jupyter
  - matplotlib
  - pandas

配置文件介绍：

• name: 定义了环境的名称，这里是 noise2self。
• channels: 指定了依赖包的来源，这里是 defaults。
• dependencies: 列出了项目所需的所有依赖包，包括 Python 版本、NumPy、SciPy、scikit-image、PyTorch、torchvision、Jupyter Notebook、Matplotlib 和 Pandas。

通过这个配置文件，用户可以轻松地创建一个与项目兼容的 Python 环境，确保所有依赖包都正确安装。