暗图像图像修复处理CVPR2021

声明：本博文做了该代码的测试分享，敬请查阅；

本文、节选自 图像修复专栏

• 🍊 专栏：图像修复-代码环境搭建-知识总结
• 🍊 感谢每位读者大大、学术探讨小伙伴的支持和认可

图像修复新的创作思路：CVPR 2021、代码测评

📘 基本信息

• Restoring Extremely Dark Images in Real Time
• 实时恢复极暗的图像
• https://github.com/MohitLamba94/Restoring-Extremely-Dark-Images-In-Real-Time
• Lamba_Restoring_Extremely_Dark_Images_in_Real_Time_CVPR_2021_paper.pdf

该论文所致力于解决的问题

• 极暗图像变为 亮的图像（图像修复）
• 从而提升（解决）极暗图像的目标检测问题

📘 下载代码

方式一（网络受限、可能下载失败）

git clone https://github.com/MohitLamba94/Restoring-Extremely-Dark-Images-In-Real-Time.git

方式二（手动下载、copy 到服务器、解压即可）

• 解压命令，例如

unzip Restoring-Extremely-Dark-Images-In-Real-Time-main.zip 

📘 环境搭建

激活一个 PyTorch 1.4 的已有环境（我的博文已经安装过很多个版本、此处不再重复赘述）

• 不熟悉的可以去看我的这个博文
• Linux下cuda10.0安装Pytorch和Torchvision——啥版本都能装

conda activate torch14

# 安装一些我的环境运行该代码、缺少的库

pip install rawpy
pip install ptflops

📘 Demo 测试运行

cd Restoring-Extremely-Dark-Images-In-Real-Time

python demo.py

• 运行输出如下

python demo.py

# GPU 占用 不会很高


...... Loading all files to CPU RAM

Image No.: 1, Amplification_m=1: 53.080570220947266
Image No.: 2, Amplification_m=1: 22.907602310180664
Image No.: 3, Amplification_m=1: 45.878238677978516

Files loaded to CPU RAM......


 Network parameters : 784768

Device on GPU: True
Restored images saved in DEMO_RESTORED_IMAGES directory

📘 时间内存复杂度测评

Measure Time-Memory Complexity

• python time_complexity.py
• 运行效果如下

 python time_complexity.py

---Our Model parameters : 784768


---SID model parameters : 7760748

Computational complexity of Our model for a 8MP image:   41.38 GMac
Computational complexity of SID model for a 8MP image:   440.46 GMac
Beginning Warmup...
Time taken by our model on CPU for 8MP image : 1.0671975135803222 seconds
Time taken by SID model on CPU for 8MP image : 8.417949628829955 seconds

📘 训练

训练部分、参考 train_test_ours/train.py 即可

---

暂不展开、以后如果项目中用到、有需要再补充

📕 附源码+论文

这些其实都很好下载、代码此次也没有改动、即可顺利运行

链接：https://pan.baidu.com/s/129MAPqMJtNp1v57gHZDMCA 
提取码：moli

📕 这篇文章可以带给我们的思考

翻译部分、参考链接

• https://zhuanlan.zhihu.com/p/437764659

特色

• 轻量化
• 图像修复+目标检测 结合
• 突出解决实际模型部署落地中的困难点：
• 修复网络、单张图像推理速度慢
• 暗图像目标检测存在困难

这是一个 图像修复+目标检测 结合 针对 实际落地存在的现实困难 提出的解决方案，也许可以成为我们小伙伴，创作一篇文章（Paper）的灵感基石

博主简介：墨理，2020年 硕士毕业，目前从事图像算法，AI工程化 相关工作

• 🍊 计算机视觉：超分重建、图像修复、目标检测、风格迁移 等领域 稍有所学
• 🍊 AI 工程化：Ncnn、MNN、TensorRT 正在 学习
• 🍊 C++、Python、Java 略懂一二

喜欢请关注 墨理学AI 及其 同名 公---中--- 号 墨理学AI

取经路上，让墨理学AI 陪你畅享更多有趣AI