Starlight Denoising 项目使用教程

1. 项目目录结构及介绍

starlight_denoising/
├── data/
│   ├── paired_data/
│   └── ...
├── helper/
│   ├── canon_utils.py
│   └── ...
├── models/
│   ├── noise_model.py
│   ├── denoiser_model.py
│   └── ...
├── scripts/
│   ├── train_denoiser.py
│   ├── train_gan_noisemodel.py
│   └── ...
├── .gitignore
├── Denoise Submillilux Videos.ipynb
├── LICENSE
├── README.md
├── View Generated Noise.ipynb
├── environment.yml
└── ...

目录结构说明

• data/: 存放数据集文件，包括训练数据和测试数据。
  • paired_data/: 存放配对的干净和噪声图像数据。
• helper/: 包含一些辅助函数和工具，如 canon_utils.py 用于读取和处理 RAW 文件。
• models/: 存放项目的模型文件，包括噪声模型 (noise_model.py) 和去噪模型 (denoiser_model.py)。
• scripts/: 包含训练和测试脚本，如 train_denoiser.py 和 train_gan_noisemodel.py。
• .gitignore: Git 忽略文件配置。
• Denoise Submillilux Videos.ipynb: Jupyter Notebook 文件，用于演示去噪效果。
• LICENSE: 项目许可证文件。
• README.md: 项目说明文件。
• View Generated Noise.ipynb: Jupyter Notebook 文件，用于查看生成的噪声。
• environment.yml: 项目依赖环境配置文件。

2. 项目启动文件介绍

启动文件

• Denoise Submillilux Videos.ipynb: 该文件是一个 Jupyter Notebook，用于演示去噪效果。用户可以通过运行该 Notebook 来查看去噪前后的视频对比。
• View Generated Noise.ipynb: 该文件也是一个 Jupyter Notebook，用于查看生成的噪声模型效果。用户可以通过运行该 Notebook 来生成和查看噪声图像。

启动步骤

1. 克隆项目:

   git clone https://github.com/monakhova/starlight_denoising.git
   

2. 创建并激活虚拟环境:

   conda env create -f environment.yml
   conda activate starlight
   

3. 启动 Jupyter Notebook:

   jupyter notebook
   

4. 打开并运行 Denoise Submillilux Videos.ipynb 或 View Generated Noise.ipynb: 在 Jupyter Notebook 界面中，打开相应的 Notebook 文件并按顺序运行每个单元格。

3. 项目配置文件介绍

配置文件

• environment.yml: 该文件定义了项目的依赖环境，包括所需的 Python 版本和库。用户可以通过该文件创建项目的虚拟环境。

配置步骤

1. 安装依赖: 使用 environment.yml 文件创建并激活虚拟环境：

   conda env create -f environment.yml
   conda activate starlight
   

2. 修改配置: 如果需要修改依赖库或 Python 版本，可以直接编辑 environment.yml 文件，然后重新创建虚拟环境。

通过以上步骤，用户可以顺利启动和配置 starlight_denoising 项目，并开始使用其中的功能。