plt

Enhanced training set and test set data have been specially provided for you ------------------ 原始邮件 ------------------ 发件人: "LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement" ***@***.***>; 发送时间: 2022年3月15日(星期二) 中午1:34 ***@***.***>; ***@***.***>; 主题: [LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement] about the training and testing data (Issue #2)...

您好，非常感谢您对我们的工作感兴趣！ 我们使用3090服务器，训练800个epoch，大概需要6天。以前在做超分辨时，也遇到过棋盘效应问题，但是随着训练轮数增加，这个问题可以得到缓解。 U-shape Transformer的训练过程中并没有出现棋盘效应，原因在于特征在经过transformer后并不是直接输出，还需要经过多层卷积，这样可以消除棋盘效应。 当然，我们在训练时遇到了成像模糊的问题，网络确实经常出现这个问题，我们的解决方案是先用L2损失训练600轮，再使用L1损失训练200轮。 其他训练细节请查阅https://arxiv.org/abs/2111.11843 ------------------ 原始邮件 ------------------ 发件人: "LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement" ***@***.***>; 发送时间: 2021年12月30日(星期四) 下午2:46 ***@***.***>; ***@***.***>; 主题: [LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement] 训练时候的问题 (Issue #1) 我想请问一下你们训练总共花费了多长时间，还有，因为在transformer模块会涉及图像的拼接，会不会出现棋盘效应呢？ — Reply to this email directly, view it on GitHub, or...

训练到200个epoch，就能够比较好地成像了 ------------------ 原始邮件 ------------------ 发件人: "LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement" ***@***.***>; 发送时间: 2021年12月30日(星期四) 下午3:20 ***@***.***>; ***@***.******@***.***>; 主题: Re: [LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement] 训练时候的问题 (Issue #1) 您好，非常感谢您对我们的工作感兴趣！ 我们使用3090服务器，训练800个epoch，大概需要6天。以前在做超分辨时，也遇到过棋盘效应问题，但是随着训练轮数增加，这个问题可以得到缓解。 U-shape Transformer的训练过程中并没有出现棋盘效应，原因在于特征在经过transformer后并不是直接输出，还需要经过多层卷积，这样可以消除棋盘效应。 当然，我们在训练时遇到了成像模糊的问题，网络确实经常出现这个问题，我们的解决方案是先用L2损失训练600轮，再使用L1损失训练200轮。 其他训练细节请查阅https://arxiv.org/abs/2111.11843 … ------------------ 原始邮件 ------------------ 发件人: "LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement" @.>; 发送时间: 2021年12月30日(星期四) 下午2:46 @.>; @.>; 主题: [LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement]...

您好，非常抱歉没有及时回复，下载密码是lsui ---原始邮件--- 发件人: ***@***.***> 发送时间: 2022年7月12日(周二) 下午3:56 收件人: ***@***.***>; 抄送: ***@***.***>; 主题: [LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement] 数据集下载 (Issue #7) 您好，请问 LSUI 数据集下载的百度网盘提取码是什么。我已经发送邮件了，但还未收到回复 — Reply to this email directly, view it on GitHub, or...

非常抱歉我们没有及时改正training guide，lsui原本是有5004张，后面我们删除了一些图片，剩下4279张 ---原始邮件--- 发件人: ***@***.***> 发送时间: 2022年8月27日(周六) 下午4:33 收件人: ***@***.***>; 抄送: ***@***.******@***.***>; 主题: Re: [LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement] 数据集下载 (Issue #7) 作者，您好！请问LUSI数据集是共有4279张吗？因为我看您在training guide部分写到，在LUSI数据集上随机选取4500对图片作为训练集，剩余的504对作为验证集，但是现有下载下来的LUSI数据集好像不够划分。 — Reply to this email directly, view it on GitHub,...

你好，附件为我们划分好的数据集。 该邮件从移动设备发送   ------------------ 原始邮件 ------------------ 发件人: "LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement" ***@***.***>; 发送时间: 2022年8月27日(星期六) 下午4:42 ***@***.***>; ***@***.******@***.***>; 主题: Re: [LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement] 数据集下载 (Issue #7) 好的，谢谢作者！还有请问一下作者，对于更改后的lsui数据集，您是怎样划分训练集和验证集的呀 — Reply to this email directly, view it on GitHub, or unsubscribe. You...

The network pretrained weight I provided can only output pictures with a size of 256 * 256. I suggest you intercept or resize the output image to 216 * 216. ------------------ 原始邮件 ------------------...

虽然我们的原图像来自多个已有数据集，但是参考图像是全新生成的。如果您在论文中使用了uieb或者euvp做测试对比，那么我们建议您避免使用LSUI中相同的图片做测试对比。 ---原始邮件--- 发件人: ***@***.***> 发送时间: 2022年5月14日(周六) 上午9:18 收件人: ***@***.***>; 抄送: ***@***.***>; 主题: [LintaoPeng/U-shape_Transformer_for_Underwater_Image_Enhancement] 数据库 (Issue #5) 请问您发布的数据库来自多个已有的数据集，是否还能将UIEB，EUVP作为测试集呢？ — Reply to this email directly, view it on GitHub, or unsubscribe. You...

您好，我们提供的预训练模型支持256*256的图片输出，如果想获得保持原图分辨率的输出，建议使用拼接算法处理多张输出或者重新训练网络。

你好，我们的论文正在审稿阶段，待论文接受后我们会公开分割数据集和介质传输图