Noise2Noise去高斯噪声、去文本噪声

基础信息

• ​​非常好的一篇论文讲解​​
• ​​官方实现​​
• ​​非官方实现​​
• 我这里跑的代码是 ​​非官方实现​​

环境搭建（Cuda9.1）：

cuda9.1 GTX 1080 11G

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

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

测试

这是一个大佬的非官方实现测试；

• 下载预训练模型：

​​github.com/yu4u/noise2…​​

• 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。