声明：本博文做了该代码的测试分享，敬请查阅；
这是一篇经典的图像去噪文章的简单测试
作者：墨理学AI
本文、节选自 图像修复专栏
基础信息
-
我这里跑的代码是 非官方实现
环境搭建（Cuda9.1）：
cuda9.1 GTX 1080 11G
conda create -n n2n366 python=3.6.6
source activate n2n366
## tensorflow -GPU的 安装 要使用 共享的编译好的 tensorflow-1.10.1-cp36-cp36m-linux_x86_64.whl
## 使用 pip install tensorflow-1.10.1-cp36-cp36m-linux_x86_64.whl 来进行安装，安装之后 pip list 查看 显示：
tensorflow 1.10.1 ## 已经可以使用。
pip install Keras==2.1.6
pip install opencv-python
pip install pillow
pip install matplotlib
#官方代码需要 安装这俩
pip install typeguard==2.2.2
pip install nibabel==2.3.0
数据集
个人数据集：使用数据( 人证照片 )：
train 500
test 200
训练
第二种 text 噪声 加噪去噪 效果验证：
--nb_epochs 300 训练时长 15h
nohup python train.py --image_dir dataset/train --test_dir dataset/test --image_size 128 --batch_size 4 --lr 0.001 --source_noise_model text,0,50 --target_noise_model clean --val_noise_model text,0,50 --loss mae --output_path text_clean --nb_epochs 300 &
测试
这是一个大佬的非官方实现测试；
- 下载预训练模型：
- 使用上面下载的预训练模型进行测试：
针对三种噪声、带噪和不带噪两种模型 的测试命令： 测试时，通过设置参数 --test_noise_model 类型，否则 默认会 添加 gaussian 噪声
python test_model.py --weight_file weights/weights.056-4.172-28.07752_text_clean.hdf5 --image_dir dataset/commonSet --output_dir _text_clean --test_noise_model text,0,60
python test_model.py --weight_file weights/weights.057-4.796-27.68533_text_noise.hdf5 --image_dir dataset/commonSet --output_dir _text_noise --test_noise_model text,0,60
python test_model.py --weight_file weights/weights.056-66.803-30.57923_gauss_clean.hdf5 --image_dir dataset/commonSet --output_dir gaussian_clean --test_noise_model gaussian,0,60
python test_model.py --weight_file weights/weights.040-87.447-29.13496_gauss_noise.hdf5 --image_dir dataset/commonSet --output_dir gauss_noise --test_noise_model gaussian,0,60
python test_model.py --weight_file weights/weights.038-4.547-24.81654_impulse_clean.hdf5 --image_dir dataset/commonSet --output_dir impulse_clean --test_noise_model impulse,0,60
python test_model.py --weight_file weights/weights.047-2.317-24.30238_impulse_noise.hdf5 --image_dir dataset/commonSet --output_dir impulse_noise --test_noise_model impulse,0,60
针对文本噪声测试效果如下：
纯净数据，加噪去噪，效果如下：
python test_model.py --weight_file text_clean/weights.300-1.180-36.05937.hdf5 --image_dir dataset/commonSet --output_dir commonSetOut --test_noise_model text,0,60
图一：
带噪数据，不加噪，去噪 效果如下：
python test_model.py --weight_file text_clean/weights.300-1.180-36.05937.hdf5 --image_dir dataset/commonSet3 --output_dir commonSet3Out --test_noise_model clean
图二：
总结：
noise2noise 300epoch训练得到的模型，可以较好的去除它本身加的随机 text 噪声，但是对于其他类型的文本噪声，并没有去噪效果。
原因如下：
源代码中的 text噪声，虽说是随机生成的，但这些文本都是完整的数字或者字母，而图二： 下方的照片里面的噪声 种类 和 训练是 完全 不一致，因此它是没有 消除效果的。
🚀🚀 墨理学AI
🎉 作为全网 AI 领域 干货最多的博主之一，❤️ 不负光阴不负卿 ❤️ ❤️ 如果文章对你有帮助、点赞、评论鼓励博主的每一分认真创作
快乐学AI 、深度学习环境搭建 : 一文读懂
博主简介：软件工程硕士、已毕业、马上 10w 读者 粉丝
- 🍊 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 公众号 墨理学AI
取经路上，让墨理学AI 陪你畅享更多有趣AI
