PRNet-Paddle

A reproduction of PRNet by PaddlePaddle

快速使用参见AIStudio

数据集准备

/home/aistudio
|-- datasets
|   |-- train
|   |   |-- RainTrainH
|   |   |-- RainTrainL
|   |   |-- Rain12600
|   |-- test
|   |   |-- Rain100H
|   |   |-- Rain100L
|   |   |-- Rain1400
|   |   |-- test12

训练

.sh文件包含了大量训练和测试脚本，部分可能需要修改路径 或 单个使用如下命令

python train_PReNet.py --preprocess True --save_path logs/Rain100H/PReNet --data_path ../datasets/train/RainTrainH

注意到：--preprocess会处理指定数据集并在相应数据集目录生成.h5文件，如果第一次运行后，后面可以不用指定

本仓库端到端训练了部分网络和数据集，全部文件保存在logs目录下，例如训练日志（包括文本和visualdl），以PReNet为例

visualdl --logdir ./logs/Rain100H/PReNet

测试

.sh文件包含了大量训练和测试脚本，部分可能需要修改路径 或 单个使用如下命令

python test_PReNet.py --logdir logs/Rain100H/PReNet --save_path results/Rain100H/PReNet --data_path ../datasets/test/Rain100H/rainy

生成的结果保存在results相应文件夹，例如PReNet/results/Rain100H/PReNet

评估

评估脚本在statistic文件下，原始评估脚本为Matlab代码，本仓库将其转换为Python代码，参见evaluate.py

cd statistic
python evaluate.py --gt_path ../../datasets/test/Rain100H/ --pred_path ../results/Rain100H/PReNet/

100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 100/100 [01:34<00:00,  1.06it/s]
SSIM: 0.899107845008588 PSNR: 29.49246224614776

下载

链接：Baidu Drive 提取码：7b62

依次为雨图，原图，推理图

实现结果：SSIM: 0.899107845008588 PSNR: 29.49246224614776