【图像去噪】论文复现:真实噪声转高斯噪声,提升高斯噪声训练的模型性能!Learning to Translate Noise的Pytorch源码复现,跑通流程,框架结构和损失函数详解!

请先看【专栏介绍文章】:【图像去噪(Image Denoising)】关于【图像去噪】专栏的相关说明,包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总(更新中)

完整代码和训练好的模型权重文件下载链接见本文底部,订阅专栏免费获取!

本文亮点:

  • 跑通Learning to Translate Noise源码,包含基于BasicSR的训练和测试代码,得到去噪结果图像和评估指标PSNR/SSIM,与论文一致
  • Learning to Translate Noise框架和损失函数详解,结构示意图与源码对应;

文章目录

  • 前言
  • 一、跑通代码 (Quick Start)
    • 1.1 数据集准备
    • 1.2 训练
    • 1.3 测试
  • 二、代码解析
    • NTNet
    • Loss
  • 三、总结与思考
    • 完整代码和训练好的模型权重文件下载链接


前言

论文题目:Learning to Translate Noise for Robust Image Denoising —— 学习翻译噪声的鲁棒图像去噪

论文

你可能感兴趣的:(pytorch,人工智能,python,图像去噪,图像处理,深度学习,计算机视觉)