47c2a3fa07 | ||
---|---|---|
.. | ||
data | ||
models | ||
options | ||
utils | ||
README.md | ||
end-to-end.png | ||
folder_simulation.py | ||
main_finetuning_drunet.py | ||
main_test_drunet.py | ||
main_test_drunet_captures.py | ||
main_test_tempest_drunet.py | ||
main_test_trainset_drunet.py | ||
main_train_drunet.py | ||
main_train_drunet_data_train-val.py | ||
optuna_drunet.py | ||
requirement.txt | ||
tempest_evaluation.py |
README.md
Método End-to-End
Guía de uso
A modo general, las opciones a usar (carpetas de imágenes de referencia/degradadas, modelos de la red, directorio de salida, etc) se encuentran en end-to-end/options.
Inferencia y Evaluación
Para ejecutar la inferencia se debe editar el archivo end-to-end/options/train_drunet.json y, una vez hechos los cambios, ejecutar:
python main_test_drunet.py
Este comando dará un directorio nuevo como salida con las inferencias del directorio de entrada.
Para ejecutar la evaluación de un directorio con imágenes se debe editar el archivo end-to-end/options/evaluation.json y, una vez hechos los cambios, ejecutar:
python tempest_evaluation.py
Entrenamiento
Nota: antes de ejecutar el siguiente comando se debe seleccionar qué tipo de datos usar para el entrenamiento
python main_train_drunet.py
Entrenamiento con datos reales
Para entrenar con datos reales, el archivo end-to-end/options/train_drunet.json debe tener en el campo dataset_type (datasets-->train) el valor "drunet_finetune".
Entrenamiento con datos sintéticos
Para entrenar con datos sinteticos, el archivo end-to-end/options/train_drunet.json debe tener en el campo dataset_type (datasets-->train) el valor "drunet".