配置好matconvnet后,deep_model下有三个文件夹,分别是我们的方法:FOC_SDeCNN_try和SDeCNN方法:HSI-SDeCNN-train1、2、3
HSI-SDeCNN-train1:用于训练高斯+脉冲,运行文件Demo_training_HSI_SDeCNN开始训练
HSI-SDeCNN-train2:用于训练高斯+脉冲,运行文件Demo_training_HSI_SDeCNN开始训练
HSI-SDeCNN-train3:用于训练高斯+脉冲,运行文件Demo_training_HSI_SDeCNN开始训练
我们的方法-高斯
对于FOC_SDeCNN_try文件夹下,有
![在这里插入图片描述](https://img-blog.csdnimg.cn/e74117b9efea40ae8ebb8922c3dd1124.png)
A开头的用于消融实验,不用管,对于高斯噪声,分别是文件夹HSIFOCNetn5more2one、HSIFOCNetn25more2one-best、HSIFOCNetn50more2one、HSIFOCNetn75more2one、HSIFOCNetn100more2one.
HSIFOCNetn5more2one:用于训练噪声水平为5/255,运行Demo_Train_FracDCNN_DAG来训练。
HSIFOCNetn25more2one-best:用于训练噪声水平为25/255,运行Demo_Train_FracDCNN_DAG来训练,其中FracDCNN-wavelet为使用小波的网络,将FracDCNN-wavelet改名为FracDCNN即可使用小波网络来训练。预训练权重:old原始网络,pool忘了(用不上),w-bad表示小波的效果不好。
![在这里插入图片描述](https://img-blog.csdnimg.cn/bd2dbb1c221e49d1b4751aef45cb53e3.png)
HSIFOCNetn50more2one:用于训练噪声水平为50/255,运行Demo_Train_FracDCNN_DAG来训练,其中FracDCNN-nowavelet为原始网络,FracDCNN-wavelet为使用小波的网络,FracDCNN-UNET为使用Unet的网络。预训练权重:db2(有问题),haar表示使用haar小波网络,last表示原始网络。
![在这里插入图片描述](https://img-blog.csdnimg.cn/ffa8f99a3f3c4e3ab31a92f158752b0e.png)
HSIFOCNetn75more2one:用于训练噪声水平为75/255,运行Demo_Train_FracDCNN_DAG来训练。
HSIFOCNetn100more2one:用于训练噪声水平为100/255,运行Demo_Train_FracDCNN_DAG来训练,其中FracDCNN-wavelet为使用小波的网络。预训练权重:old原始网络,w为小波网络。
![在这里插入图片描述](https://img-blog.csdnimg.cn/5897fa282c1845faba809973cebdd26d.png)
混合噪声
HSIFOCNet-impulse:训练高斯+脉冲,运行Demo_Train_FracDCNN_DAG来训练,其中FracDCNN-wavelet为使用小波的网络。预训练权重(从上到下):data表示使用小波的网络,bad和error不用管,old表示原始网络(没有小波)。
![在这里插入图片描述](https://img-blog.csdnimg.cn/4eea7cd9600048059da876362e8dd7bd.png)
HSIFOCNet-stripe:训练高斯+条纹,运行Demo_Train_FracDCNN_DAG来训练,FracDCNN_onelevel为只使用一个多分辨率特征提取模块的小波网络,FracDCNN-wavelet为使用残差块+小波的网络。预训练权重(从上到下):27.11表示忘了(用不上)、data-haar表示使用haar小波网络(1和2的区别忘了,看哪个效果好),old表示原始网络(没有小波),RB表示使用残差块+小波的网络,具体用法:修改data-old为data-haar1,将epoch改为40:50,看哪个PSNR最高。
![在这里插入图片描述](https://img-blog.csdnimg.cn/31700374108649ad917a755417bc8a10.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/635e0ff4b0fc46bea6ec6c259d626100.png)
HSIFOCNet-dead:训练高斯+死线,运行Demo_Train_FracDCNN_DAG来训练,FracDCNN-wavelet为使用残差块+小波的网络。预训练权重:分别表示使用haar小波网络、使用原始网络(没有小波),使用残差块+小波的网络。
![在这里插入图片描述](https://img-blog.csdnimg.cn/5f5848dfcbed4073b37d29bb0f9f1a79.png)
db4文件夹:使用db4网络,训练时间非常长,不建议跑。
注意:imdb可能会发生路径错误,对应修改即可
如有问题,联系:13288672252(微信)
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)