Retinexformer 开源项目使用教程
2024-09-14 20:57:15作者:冯爽妲Honey
1. 项目介绍
Retinexformer 是一个基于 Retinex 理论的单阶段 Transformer 模型,专门用于低光图像增强。该项目在 ICCV 2023 和 NTIRE 2024 挑战赛中表现优异,支持超过 15 个基准测试和极高分辨率(高达 4000x6000)的低光图像增强。Retinexformer 通过估计光照信息来照亮低光图像,并恢复图像中的损坏,从而生成增强后的图像。
2. 项目快速启动
2.1 环境准备
首先,确保你已经安装了 Conda 环境。然后,创建并激活一个新的 Conda 环境:
conda create -n Retinexformer python=3.7
conda activate Retinexformer
2.2 安装依赖
安装 PyTorch 和其他必要的依赖包:
conda install pytorch=1.11 torchvision cudatoolkit=11.3 -c pytorch
pip install matplotlib scikit-learn scikit-image opencv-python yacs joblib natsort h5py tqdm tensorboard
pip install einops gdown addict future lmdb numpy pyyaml requests scipy yapf lpips
2.3 下载项目
克隆 Retinexformer 项目到本地:
git clone https://github.com/caiyuanhao1998/Retinexformer.git
cd Retinexformer
2.4 数据准备
下载所需的低光图像数据集,并将其组织到项目目录中。例如,下载 LOL-v1 数据集:
mkdir -p data/LOLv1/Train/input
mkdir -p data/LOLv1/Train/target
mkdir -p data/LOLv1/Test/input
mkdir -p data/LOLv1/Test/target
2.5 模型测试
下载预训练模型并进行测试:
# 下载预训练模型
wget https://example.com/pretrained_weights/LOL_v1.pth -O pretrained_weights/LOL_v1.pth
# 激活环境
conda activate Retinexformer
# 测试 LOL-v1 数据集
python3 Enhancement/test_from_dataset.py --opt Options/RetinexFormer_LOL_v1.yml --weights pretrained_weights/LOL_v1.pth --dataset LOL_v1
3. 应用案例和最佳实践
3.1 低光图像增强
Retinexformer 可以应用于各种低光图像增强场景,如夜间监控、低光摄影等。通过使用 Retinexformer,可以显著提高图像的亮度和清晰度,从而提升图像的可视性和分析价值。
3.2 夜间物体检测
在夜间物体检测任务中,低光图像的质量直接影响检测的准确性。使用 Retinexformer 对低光图像进行预处理,可以显著提高物体检测的性能。
4. 典型生态项目
4.1 BasicSR
BasicSR 是一个开源的图像和视频恢复工具包,支持多种图像恢复任务,如超分辨率、去噪等。Retinexformer 可以与 BasicSR 结合使用,进一步提升图像恢复的效果。
4.2 NTIRE 挑战赛
NTIRE 挑战赛是一个专注于图像恢复和增强的国际竞赛。Retinexformer 在 NTIRE 2024 挑战赛中取得了优异的成绩,展示了其在低光图像增强领域的强大能力。
通过以上步骤,你可以快速上手使用 Retinexformer 进行低光图像增强。希望这个教程对你有所帮助!
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-424B-A47B-Paddle
ERNIE-4.5-VL-424B-A47B 是百度推出的多模态MoE大模型,支持文本与视觉理解,总参数量424B,激活参数量47B。基于异构混合专家架构,融合跨模态预训练与高效推理优化,具备强大的图文生成、推理和问答能力。适用于复杂多模态任务场景00pangu-pro-moe
盘古 Pro MoE (72B-A16B):昇腾原生的分组混合专家模型014kornia
🐍 空间人工智能的几何计算机视觉库Python00GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。00
热门内容推荐
1 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 6 freeCodeCamp博客页面工作坊中的断言方法优化建议7 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析8 freeCodeCamp论坛排行榜项目中的错误日志规范要求9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp课程视频测验中的Tab键导航问题解析
最新内容推荐
项目优选
收起

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
51
14

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
288
777

React Native鸿蒙化仓库
C++
109
193

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
478
387

openGauss kernel ~ openGauss is an open source relational database management system
C++
56
135

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
688
86

基于仓颉编程语言构建的 LLM Agent 开发框架,其主要特点包括:Agent DSL、支持 MCP 协议,支持模块化调用,支持任务智能规划。
Cangjie
575
41

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
95
247

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
354
274

A high-quality tool for convert PDF to Markdown and JSON.一站式开源高质量数据提取工具,将PDF转换成Markdown和JSON格式。
Python
13
1