Paco

> 李博，你好。 我使用了fusion_imagefusion-rfn-nest-main\imagefusion-rfn-nest-main\test_40pairs.py这个程序，利用下图1数据集，跑出的结果却是下图2，咨询一下我这样的demo结果可能出错在哪些地方？我的图大量都是纯黑色或纯白色的。   同学你好，我最近在测试时也出现了和你相同的情况，请问你是如何解决的呢？ 我的测试环境：pytorch=1.12，python=3.9 我尝试了以下操作： （1）将融合方式更改为代码里其他的融合策略，发现输出的图像是正常的，说明代码各部分都没有问题； （2）将融合方式换回rfn模块，然后在保存图像前，尝试打印图像像素的最大值和最小值，发现几乎都大于255（如下图所示），所以导致输出的图像是黑白的；（另外，相加的方式也会有部分图像像素的最大值超出255，导致图像整体偏亮） `print(img_fusion.max(), img_fusion.min())`  （3）在保存图像前，将图像进行最大最小归一化，并乘以255，将像素值缩放为[0, 255]，之后再保存图像，得到的图像终于能够正常显示（如下图所示）。 `img_fusion = (img_fusion - img_fusion.min()) / (img_fusion.max() - img_fusion.min()) * 255.0`  以上是我的解决方案，不知这样做对吗？归一化后的图像是否会影响评价指标的结果呢？其他的融合方式也是否需要归一化呢？还有其他方法解决吗？ @hli1221 李导能够帮忙解答吗？期待您的答复，谢谢。

同学你好，是的，PixelLoss() 就是计算输入图像和输出图像之间的强度损失，mode='l1' 为 L1 损失（MAE 损失），mode='l2' 为 L2 损失（MSE 损失）。

同学你好，首先谢谢你的关注和留言。 Q1：您的数据集是放在代码上一级目录 datasets 中的对吗？ A1：对。 Q2：valid中所存放的图片是验证集吗？ A2：是。 Q3：验证集的图像是需要通过 gen_patches 进行分块处理的对吗？ A3：验证集的处理方式应该与训练集保持一致。 Q4：测试集放在哪里以及它是否需要 gen_patches 处理？ A4：测试集可以放在 train 和 valid 的同级目录中，测试集不需要分块处理。 P.S. 由于代码是自己复现的，如果在使用中遇到报错或者发现与原作者不一致的地方，欢迎留言指正，大家共同学习进步。

同学你好！ （1）eval.py 中 eval_model 函数里会调用 save_result 和 cv2.imwrite 函数，运行该文件时，测试图像和融合结果会自动拼接并保存在 ../runs/2022-11-01_xx-xx 目录下的 eval 文件夹中，请留意。 （2）samples 中给出的是数据集的样例，并不是融合结果，是用来测试读取数据集的功能。dataset.py 中 FusionDataset 类读取的是两张完整图像，AEDataset 类读取的是一张裁剪图像；patches.py 中 FusionPatches 类读取的是两张分块图像。 （3）测试时，默认输入的是整张图像，不需要对图像进行分块处理。