FFA-Net 快速上手指南

FFA-Net (Feature Fusion Attention Network) 是用于单图像去雾的深度学习模型，由北京大学等机构提出，发表于 AAAI 2020。本指南帮助开发者快速搭建环境并运行模型。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统: Linux (推荐) 或 Windows
• Python: Python 3.x
• 深度学习框架: PyTorch >= 1.0
• 硬件: NVIDIA GPU 及对应的 CUDA 环境
• 依赖库:
  • numpy
  • matplotlib
  • tensorboardX (可选，用于可视化训练过程)

安装步骤

1. 克隆项目代码

   git clone https://github.com/Dehaze-FFA-Net/FFA-Net.git
   cd FFA-Net
   

2. 安装 Python 依赖 建议先配置好 PyTorch 环境（可访问 PyTorch 官网 获取适合您环境的安装命令），然后安装其他依赖：

   pip install numpy matplotlib tensorboardX
   

   提示：国内用户可使用清华源加速安装： pip install numpy matplotlib tensorboardX -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 准备数据集

   • 下载 RESIDE 数据集（包含 ITS, OTS, SOTS 等子集）。
   • 按照以下目录结构将数据集放入 data/RESIDE/ 文件夹中：

   FFA-Net
   |-- data
       |-- RESIDE
           |-- ITS
               |-- hazy/*.png
               |-- clear/*.png
           |-- OTS 
               |-- hazy/*.jpg
               |-- clear/*.jpg
           |-- SOTS
               |-- indoor/hazy/*.png
               |-- indoor/clear/*.png
               |-- outdoor/hazy/*.jpg
               |-- outdoor/clear/*.png
   

基本使用

1. 测试预训练模型（推荐新手首选）

如果您只想体验去雾效果，无需重新训练，可直接使用官方提供的预训练模型。

• 下载模型：
  • 百度网盘：链接: https://pan.baidu.com/s/1-pgSXN6-NXLzmTp21L_qIg 提取码: 4gat
  • Google Drive: 下载地址
• 放置文件：
  • 将下载的模型文件放入 net/trained_models/ 目录。
  • 将您需要去雾的图片放入 net/test_imgs/ 目录。
• 运行测试：

  python test.py --task='its' --test_imgs='test_imgs'
  

  注：--task 参数可根据数据集类型选择 its 或 ots。

2. 训练模型

如果您需要从头训练网络，可以使用以下命令。根据显存大小，可适当调整 bs (batch size) 等参数以获得更好效果。

• 在 ITS 数据集上训练：

  python main.py --net='ffa' --crop --crop_size=240 --blocks=19 --gps=3 --bs=2 --lr=0.0001 --trainset='its_train' --testset='its_test' --steps=500000 --eval_step=5000
  

• 在 OTS 数据集上训练：

  python main.py --net='ffa' --crop --crop_size=240 --blocks=19 --gps=3 --bs=2 --lr=0.0001 --trainset='ots_train' --testset='ots_test' --steps=1000000 --eval_step=5000
  

提示：若需使用 TensorBoard 查看训练曲线或中间预测结果，请编辑 net/main.py 文件，取消相关代码行的注释。