深圳网站开发的公司电话,如何建设网页制作的网站,现代企业管理培训课程,产品推广ppt范例来源
本来想拿DA-CLIP 训练一下old photo#xff0c;训练代码没成功#xff0c;毕设没时间就不研究了
github搜old photo复原论文原作者好像没开源训练数据集#xff0c;所以用了这个SynOld 训练集500对测试集200对
但是readme写的很差#xff0c;其他什么也没交代 展示… 来源
本来想拿DA-CLIP 训练一下old photo训练代码没成功毕设没时间就不研究了
github搜old photo复原论文原作者好像没开源训练数据集所以用了这个SynOld 训练集500对测试集200对
但是readme写的很差其他什么也没交代 展示 考证
拿GT图去Google搜图 搞了半天勉强搜上 与训练文件夹下第一张GT图相同
目测用的 PASCAL VOC
生成方法估计参考《Bringing Old Photos Back to Life》
分割代码
第一次见这种保存数据集方式我将它分割回更一般的 GT、LQ两个文件夹
import os
from PIL import Imagedef split_images(input_dir, output_dir):Split paired LQ and GT images into separate files.Args:input_dir (str): The path to the directory containing the paired images.output_dir (str): The path to the directory where the split images will be saved.# Create LQ and GT subdirectories if they do not existlq_dir os.path.join(output_dir, LQ)gt_dir os.path.join(output_dir, GT)os.makedirs(lq_dir, exist_okTrue)os.makedirs(gt_dir, exist_okTrue)for filename in os.listdir(input_dir):if filename.endswith(.jpg):image_path os.path.join(input_dir, filename)with Image.open(image_path) as img:# Assuming the images are horizontally pairedwidth, height img.sizeassert width % 2 0, The width of the image is not even, cannot split into two equal parts.# Extract LQ image (left half)lq_img img.crop((0, 0, width // 2, height))lq_output_path os.path.join(lq_dir, os.path.splitext(filename)[0] _LQ.jpg)lq_img.save(lq_output_path)# Extract GT image (right half)gt_img img.crop((width // 2, 0, width, height))gt_output_path os.path.join(gt_dir, os.path.splitext(filename)[0] _GT.jpg)gt_img.save(gt_output_path)print(fSaved split images: {lq_output_path} and {gt_output_path})# Set the paths for input and output directories
input_directory E:\\SynOld-main\\test
output_directory C:\\Users\\86136\\Desktop\\LQ_images\\old photo# Call the function to split the paired images
split_images(input_directory, output_directory) 只用两行地址 input_directory E:\\SynOld-main\\test 这是要分割的图像所在文件夹地址这里只分了test集 output_directory C:\\Users\\86136\\Desktop\\LQ_images\\old photo 这是我的结果保存路径 结果 DA-CLIP自动检测复原结果 很一般没有inpainting那么惊艳一般识别为snowy、shadow、JPEG压缩伪影啥的 只有少量小白点去除。
附复原了25张图的相关指标 PSNR: 21.679276 dB; SSIM: 0.677668 LPIPS : 0.332356
