在Pytorch框架中，双任务GAN模型用于图像去雾

简介：
作品名称 作品名称 作品名称适用人群 适用人群 适用人群项目介绍DualGan由两个生成器和一个判别器组成，在本项目中采用相同架构设计：生成器基于U-Net实现，判别器则采用了PatchGan。其中，G_A用于将含有雾霾的图像转换为无雾霾图像；而G_B则负责实现相反的映射关系。分别用于判断来自不同生成器输出图像的质量。其中，D_A主要针对G_B生成的雾霾图像进行判别分析，而D_B则专注于评估G_A输出的无雾霾图像。用于训练整个网络参数的优化过程。而 predict.py 则主要用于实现对输入无雾霾图像的预测功能。所有预训练权重均存储于 model 文件夹中。训练方法即为一种系统性的实践方案，旨在通过科学的设计与执行确保目标达成 将成对的图片分别放置于清晰度设置为高的地方以及有雾的地方，并存放在data_path路径中。之后启动训练脚本 train.py ，并在命令行界面输入所需参数后回车即可执行。建议将结果文件存储在 save_path 文件夹中，默认设置为 .save 位置。默认情况下，训练数据集位于 ..Data 文件夹里。清晰度较高的图片将被存储在 clear 文件夹中，带有雾的图片将被放置于 hazy 文件夹下。