noise2noise | 实验总结 - 灰信网（软件开发博客聚合）

noise2noise | 实验总结

cuda9.1 GTX 1080 11G

环境搭建（Cuda9.1）：


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    但是 已经可以使用。

pip install Keras==2.1.6

pip install opencv-python

pip install pillow

pip install matplotlib

使用数据( 人证照片 )：
train 500
test 200

第二种 text 噪声加噪去噪效果验证：
训练

–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

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

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

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，而上图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。

本文链接：https://blog.csdn.net/sinat_28442665/article/details/107334862

智能推荐

Understanding Perlin Noise

Understanding Perlin Noise http://flafla2.github.io/2014/08/09/perlinnoise.html Technical Writeup Posted on 09 August 2014 by Flafla2 The objective of this article is to present an easy-to-understand ...

Simplex Noise(二)

一、2D Simplex Noise 这次我们不打算从１D做起而是直接从2D　Simplex Noise做起，不是因为Simplex Noise不能实现1D噪声，而是应用中２D、３D、４D用得更多一些。从前面的学习中，我们将Simplex Noise生成算法分成四个步骤，本文将继续采用这种分步实现的模式。（一）、坐标变换（Coordinate skewing）。 &ems...

Worley　Noise（二）

根据前文所述，Worley噪声代码实现比较简单，我们着重讲解一下2D噪声的算法，３D、4D实现基本一致，不作详细描述。一、Worley Noise 2D实现还是与以前一样，我们分步来实现Worley噪声，根据前文步骤，Worley噪声实现共分六步：第一步、确定输入点所在的晶胞这与Perlin噪声确定输入点所在晶格是一样...

Value Noise（二）

一、Value Noise 1D 根据之前学习的Value 噪声原理，我们分步来实现之。但在这之前，我们还有一些准备工作要做，如之前所说的，Value噪声是将随机值赋于晶格点，然后根据输入点所处晶格，对随机值进行线性插值而得到噪声值，所以，我们首先初始化一个晶格顶点值数组，并将各顶点的随机值保存在顶点上，在实施中，我们初始化了一个长度512的float数组保存我们的晶格顶点...

Perlin noise（一）

Perlin noise（一）一、分形噪声分形几何学的基本思想是：客观事物具有自相似的层次结构，局部与整体在形态、功能、信息、时间、空间等方面具有统计意义上的相似性，称为自相似性。客观自然界中许多事物，具有自相似的“层次”结构，在理想情况下，甚至分形分形至具有无穷层次。适当的放大或缩小事物的几何尺寸，整个结构并不改变。不少复杂的物理现象，背后就是...