图像恢复¶

概览¶

预训练权重个数: 2
配置文件个数: 0
论文个数: 1
- ALGORITHM: 1

NAFNET (ECCV’2022)¶

任务: 图像恢复

NAFNET (ECCV'2022)

@article{chen2022simple,
  title={Simple Baselines for Image Restoration},
  author={Chen, Liangyu and Chu, Xiaojie and Zhang, Xiangyu and Sun, Jian},
  journal={arXiv preprint arXiv:2204.04676},
  year={2022}
}

方法	图片尺寸	PSNR	SSIM	GPU信息	下载
nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd	256X256	40.3045(40.3045)	0.9253(0.9614)	1 (A100)	模型 \| 日志(即将到来)
nafnet_c64eb11128mb1db1111_8xb8-lr1e-3-400k_gopro	1280x720	33.7246(33.7103)	0.9479(0.9668)	1 (A100)	模型 \| 日志(即将到来)

Note:

评估结果a(b)中，a代表由MMagic测量，b代表由原论文提供。
PSNR是在RGB通道评估。
SSIM是平均的分别在RGB通道评估的SSIM, 而原论文使用了3D的SSIM卷积核做统一评估。

快速开始¶

训练

训练说明

您可以使用以下命令来训练模型。

## CPU上训练
CUDA_VISIBLE_DEVICES=-1 python tools/train.py configs/nafnet/nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd.py

## 单个GPU上训练
python tools/train.py configs/nafnet/nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd.py

## 多个GPU上训练
./tools/dist_train.sh configs/nafnet/nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd.py 8

更多细节可以参考 train_test.md 中的 Train a model 部分。

测试

测试说明

您可以使用以下命令来测试模型。

## CPU上测试
CUDA_VISIBLE_DEVICES=-1 python tools/test.py configs/nafnet/nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd.py /path/to/checkpoint

## 单个GPU上测试
python tools/test.py configs/nafnet/nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd.py /path/to/checkpoint

## 多个GPU上测试
./tools/dist_test.sh configs/nafnet/nafnet_c64eb2248mb12db2222_8xb8-lr1e-3-400k_sidd.py /path/to/checkpoint 8

预训练模型未来将会上传，敬请等待。更多细节可以参考 train_test.md 中的 Test a pre-trained model 部分。