cv_template

　　一个图像复原或分割的Baseline，可以用于去雾🌫、去雨🌧、去模糊、夜景🌃复原、超分辨率👾、像素级分割等等。

Highlights

• 特色功能
  • 快速搭建baseline，只需生成filelist，无需修改代码即可运行
  • (参数控制)多模型
  • 训练过程监控
  • 命令行日志记录
  • 支持TTA
  • 自动化超参数搜索🔍

To do List

• 模型

  • FFA-Net
  • Multi-Scale Boosted Dehazing Network with Dense Feature Fusion
  • Cascaded Refinement
  • PANet

• 平台支持

  • 多GPU支持
  • 测试时支持多batch_size

• TTA

  • 放大、色相、饱和度、亮度
  • flip
  • 多尺度测试
  • ttach库

• 其他Tricks

  • 使用fp_16训练，提高训练速度
  • One_Cycle 学习率

Prerequisites

python >= 3.6
torch >= 1.0
tensorboardX >= 1.6
utils-misc >= 0.0.5
mscv >= 0.0.3

生成filelist

# !- bash
python utils/make_filelist.py --input datasets/images/ --label /datasets/labels --val_ratio 0.1 --out datasets

Code Usage

训练

# !- bash
python3 train.py --tag run1 --model FFA -b 2 --epochs 500 --gpu 1

验证

# !- bash
python3 eval.py --tag pengzhang --load checkpoints/run1/480_FFA.pt --tta

更多用法请参考

# !- bash
python help.py

如何添加新的模型：

如何添加新的模型：

① 复制network目录下的Default文件夹，改成另外一个名字(比如MyNet)。

② 在network/__init__.py中import你的Model并且在models = {}中添加它。
    from MyNet.Model import Model as MyNet
    models = {
        'default': Default,
        'MyNet': MyNet,
    }

③ 尝试 python train.py --model MyNet 看能否成功运行