【文件属性】：
文件名称：DANet:双重对抗网络
文件大小：245.3MB
文件格式：ZIP
更新时间：2021-05-05 05:55:56
Python
数位网
双重对抗网络：迈向现实世界的噪声消除和噪声产生（ECCV，2020年）
由于页数的限制，ECC Nam论文中未包含有关Nam基准的实验结果和一些讨论，并将其放入。 并且arXiv版本包含完整的实验结果。
要求和依存关系
Ubuntu 16.04，CUDA 10.0
Python 3.7.4，Pytorch 1.3.1
详细信息（请参阅 ）
培训管道
DANet模型在上进行了训练，并在SIDD数据集上进行了。 对于DANet +，我们使用原始训练数据集中的无噪声图像（即SIDD中级数据集）作为源图像，以使用训练后的生成器模拟更多干净噪声的图像对。
与DANet不同，GDANet对SIDD Medium， 和数据集的级联进行了训练。 对于GDANet +，我们在采用了其他高质量图像作为源图像来模拟更多的训练对。 当然，您可以使用任何其他图像代替Flickr。
准备数据：
从at
【文件预览】：
DANet-master
----DANet_paper_ECCV.pdf(6.61MB)
----networks()
--------Discriminator.py(2KB)
--------SubBlocks.py(493B)
--------DisResBlock.py(2KB)
--------__init__.py(189B)
--------OptimizedBlock.py(1KB)
--------UNetG.py(1KB)
--------UNetD.py(3KB)
----figs()
--------DANet_denoising.png(170KB)
--------GDANet_denoising.png(251KB)
--------GDANet_generation.png(201KB)
--------DANet+_denoising.png(166KB)
--------DANet_generation.png(207KB)
--------GDANet+_denoising.png(242KB)
----test_denoising_DND.py(2KB)
----DANet_supplementary.pdf(1.34MB)
----loss.py(3KB)
----DANetPlus_SIDD_test.py(3KB)
----environment.yml(2KB)
----test_generation_arbitrary.py(1KB)
----utils.py(4KB)
----DANet_paper_arXiv.pdf(7.7MB)
----test_generation_SIDD.py(1KB)
----model_states()
--------DANetPlus.pt(34.93MB)
--------GDANet.pt(69.85MB)
--------GDANetPlus_fake025.pt(34.93MB)
--------GDANetPlus_fake05.pt(34.93MB)
--------DANet.pt(69.85MB)
----test_denoising_SIDD_val.py(2KB)
----train_GDANet.py(16KB)
----test_denoising_SIDD.py(2KB)
----demo_AKLD.py(2KB)
----train_DANet.py(15KB)
----configs()
--------GDANetPlus.json(1KB)
--------DANetPlus.json(997B)
--------GDANet.json(1KB)
--------DANet.json(1KB)
----train_GDANetPlus.py(10KB)
----test_data()
--------DND()
--------SIDD()
--------10054.jpg(135KB)
--------77.jpg(121KB)
--------10059.jpg(95KB)
--------106.jpg(165KB)
----train_DANetPlus.py(9KB)
----README.md(4KB)
----datasets()
--------preparedata()
--------__init__.py(2KB)
--------data_tools.py(4KB)
--------DenoisingDatasets.py(4KB)