code_yy

ir_warp应该是由get_test_data.py生成的变形后的红外图像？

> @code2497 但是尝试这个结果运行的结果也有问题 似乎并没有配准 请问您成功复现了嘛 我这边实验是这样做的 1. 运行train_reg.py进行训练，--ir为真实的RoadScene红外图像（不是变形后的），--it为CPSTN生成的伪红外图像，训练了300个epoch 2. 运行test_reg.py生成配准后的图像，--ir为形变后的红外图像（我这里还是用的RoadScene形变后的红外图像），--it同上。 3. 运行Evaluation/metrics.py，将main函数里的root_in改成test_reg.py生成的配准后图像（ir_reg），root_gt为真实的RoadScene红外图像 4. 最后运行metrics.py生成的指标为Average MSE=0.0047728, NCC=0.94892, LNCC=0.59055，感觉还是有配准效果的，未配准的图像和真实的红外图像算出来的NCC是0.88左右

> @code2497 请问，在第二条中，您有对RoadScene图像做缩放嚒？ 没有，README里有已经缩放到256×256的图像数据集

> 您是用自己训练的权重吗 我是用的官方提供的 运行test_reg.py配准效果基本没有 @code2497 是的，我这边自己训练的，官方给的我试了一下，感觉也是没有配准效果

> 但是不理解就是这个train_reg.py的输入，根据网络结构图应该是伪红外和变形后的失真图像，但是您用的是原图像，这点也是不怎么理解 @code2497 训练代码里面会自动生成变形后的失真图像拿去训练