deep-tempest/end-to-end

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".