毕设总结零--绪论

毕设总结零--绪论

本科毕设题目为《基于深度学习的图像去雾方法研究与实现》

毕设总结系列:

1. 前言

2019/6/11日,毕设答辩结束,意味着我本科四年的学习生涯也画上了句号。从1月初拿到毕设课题到今日已过5月,收获良多,也算是为未来的研究生生涯提前试水吧(虽然研究生方向不做深度学习,不过算是了解了做一个课题需要做的大体流程,以及掌握了一些软件的使用)。

本科毕设题目为《基于深度学习的图像去雾方法研究与实现》

题目简单易懂,也就是两点:

  • 基于深度学习
  • 目的就是做图像去雾

也就是:

嗯,既然目标明确,那就撸起袖子开始干吧。

2. 任务时间线

其实我也记不清所有的时间线了,但是还是知道个大概。

个人基础:在深度学习领域上,个人最开始只懂点Python,所以就从这里出发讲讲学习的过程吧。

2.1 深度学习起航-2月

1月份的大部分时间都集中在了毕业实习上,直到1/26日左右,从师兄那儿借了本《Tensorflow:实战Google深度学习框架》,就是下面这本书:

开始搭建深度学习TensorFlow开发环境。这分为了Win10上搭建和Ubuntu上搭建。

起初我是在Win10上搭建的,但后期怀疑Linux上能跑得更快,故后期又在Ubuntu搭建了深度学习环境。当然后期发现,Ubuntu上的GPU确实是比Win上高。搭建环境推荐博文:

之后在开学以前都是在学习《Tensorflow:实战Google深度学习框架》这本书,懒懒散散地到开学时大约还剩两章没看。

这段时间总结:

1. 学会如何搭建TensorFlow的开发环境。2.学会深度学习中的部分理论,包括梯度下降回馈,卷积神经网络的相关理论,观看李宏毅老师的深度学习视频等等。

推荐几个学习CNN,深度学习的链接:

2.2 聚焦论文-3月

2月底开学了,在师兄的敦促下,发现自己的进度似乎过慢,毕竟这个时候也只是懂点CNN原理,tf的部分操作罢了。毕设的重点“图像去雾”完全没接触,于是在一边完成《实战Google深度学习框架》这本书的同时,开始刚近年的论文了。

3月初读完了那本书,大部分代码照着敲了一遍,然后整个月基本上是在读论文中渡过的,其实最开始读论文我是非常拒绝的(去你M的英文),不过没办法,必须读下去啊。最开始读取的是一篇英文短期刊,发现里面的网络结构实在看不懂,什么跳跃连接,金字塔结构,书上根本没提到过,去雾的理论在一篇短期刊文章中也没办法读懂。

读的第一篇文章:

后来学聪明了,不从英文期刊中读,改到去读国内硕士毕业论文,这样的文章一是中文对我更友好,二是介绍更全面;弊端就是太长,读起来有些累,不过初入门多读点总是好的。

随着文章越读越多,是时候找个文献管理器了,曾经做数模时就用过的一个文献管理器再次排上用场--zotero。不知道给多少人安利过这款软件了,反正就是特别好用啦,不过是在加上一定的插件和坚果云备份的场景下。如果你有一个ipad的话,可以使用papership这款软件,通过坚果云和zotero的文献库同步,这样ipad上也可以读文献。

我读论文的习惯有两个:1.使用pdf批注工具。2.使用markdown进一步提炼内容,并添加到zotero文献库对象项中。如:

纪念一下毕设期间读过的论文,还是蛮有成就感的。

文献是理解理论的重要依据,但是文献的弊端就是“将一个很简单的东西用各种术语复杂化”,所以更多的理解途径是带着对文献的迷惑去百度去谷歌,在别人的博文上找到答案。随着读的博文增多,如何去管理读过的博文呢?我又用了两个工具(其实是三个,其中一个废弃掉了)。

  • 印象笔记+印象笔记剪切插件(已废弃)
  • Diigo:Chrome插件,在网页上做笔记(类似于pdf做笔记),并转存到在线库中。这个插件其实是也不是重点,效果可见下图:

第一张图是在一个网站上做了高亮的操作,然后通过点击插件图标选择Library,可进入到曾经有过标注的库。当然这只是其中一个功能,pdf标注,截图等等,这个插件都是可以实现的。

  • OneNote+OneNote剪贴插件,强烈推荐。我是从印象笔记转到OneNote的,以前一直听有人说OneNote赛高来着,去百度了一波印象笔记和OneNote的区别,感觉也就那这样,但是又一次闲得蛋疼的去安装了OneNote并且系统的学习了一下后,个人觉得印象笔记弱爆了。那么OneNote如何去辅助我们读博文呢。

这里还看不出和印象笔记的区别,但是OneNote有太多好用的功能,最喜欢的是“停靠窗口“和”链接笔记“了。本节总结中我会给出OneNote的学习视频。

说了这么多工具的使用,似乎都跑题了。嘛,就算干货推荐篇的补充吧。

这段时间总结:

1. 完成实战框架这本书。2. 读了很多去雾领域的相关论文。3. 掌握了几个用于辅助学习的软件工具。

推荐工具和链接:

  • Zetero,我安装过的插件列表,如何安装使用请自行百度了:

2.3 论文复现-4月

3月读了较多论文,代码实现倒还没有多少,所以这个月主要是做代码实现的工作。再此之前,只学习过TensorFlow,不过感觉tf做起来还是有点繁琐,所以我在寻找有没有什么替代方案,实现起来简单高校的。于是就学习了Keras。Keras封装得更为高层,以函数式编程来实现神经网络相当方便。于是从简单的MLP到CNN,MNIST全部熟悉了一遍。然后又学习了自编码器、(条件)生成对抗网络的相关理论及Keras实现。至此,Keras基本上是掌握了。

约4月中上旬,准备着手做论文复现工作,按以下条件去选复现的:

  • 经典去雾算法,几乎每篇论文都会拿来做对比的,于是选中了DCP。
  • 简单易实现且引用率比较高的,于是选中了MSCNN。
  • 已有开源的代码,并且是以tf或Keras实现的,于是选中了《Single Image Haze Removal using a Generative Adversarial Network》。

做复现工作首先要有训练数据集(当然DCP不是深度学习方法,不需要训练集,不过也需要测试集呀),所以做了以下工作:

  1. 通过NYU数据集合成雾图。
  2. 直接引用了RESIDE数据集。

数据集是第一步,有了数据集就准备复现了。通过参考博文、开源代码算是做完了这几篇复现工作吧。不过MSCNN的Keras版本我没至今没有训练出来,对比过作者提供的Matlab版本,发现除输入图片size不一样,其余参数全部一样,训练集都是一样的(但是我归一化resize处理)。

说一下为什么输入size不一致,因为MSCNN是全卷积网络,按道理是可以支持任何size的,Matlab基于操作来实现,所以可以支持任何size,但是keras不一样,它是基于层来实现的,必须要指定输入size,所以我才将训练集进行了归一化resize处理。

这个月还做了一个工作就是着手写毕设论文,因为师兄觉得我太慢了,于是就写了论文的前两章。

4月玩得还是蛮浪的,工作量不算大。

所有复现论文的代码都已经开源,地址将贴在本文文末。

收获如下:

1.学习了Keras,更容易实现网络。2.学习合成雾图原理,并作了自己的实现。下载网上提供的RESIZE的雾图数据集。3. 复现了DCP,MSCNN和GAN去雾。4. 完成毕设前两章。

推荐链接:

  1. Netron-Kears网络结构可视化工具,这个工具还是很有用的,经常用来看网络结构是否出错,复现时看是否和别人的网络结构一致。效果如下图:

2.4 实现毕设中网络结构-5月

虽说完成了几个去雾网络结构,但是到底该如何去做自己的网络结构来去雾却是一点头绪都没有。因为要我去修改网络结构,我可以说是没有任何理论支撑,给我一张网络图去实现,那没问题。所以这个时候就求助师兄了,后来师兄给了一篇DeBlurGan的paper,这篇文章算是我的救星,虽然不是Dehaze的论文,但是把它迁移过来试试看。花了差不多大半天的时间,完成了迁移,没想到train起来效果相当好,跑完一个epoch就可以得到清晰的图像。最后跑完50个epoch大约花了8个小时。

迁移的代码也已开源,将在文末贴出开源地址。同时在之后会给出一篇文章专门阐述这个DeBlurGan,以及实现过程。

后期就是做测试了,包括复现的算法的主观客观测试,指标统计等。

完成了去雾实验,5月的后半段就全是在写论文了,约在5/26日,完成了所有论文,修订,查重等。

2.5 终章-答辩-6月

完成了论文后,其实我已经飘了,玩了大概一个星期,端午的前一天突然被通知要预答辩,可是我连ppt都没做啊。于是又跑回学校去做ppt,准备材料。预答辩来得及,要修改的东西也蛮多的,所以飘的后果就是熬夜加班改东西。

最终,6月11日,完成了答辩。

6月17日,拿到了结果,only B+。 其实觉得自己应该还是能得A的,虽然5个月来中间也蛮浪的,但是也还算努力吧。嘛,反正过了就行。重要的是收获了很多嘛。

3. 结尾

从1月到6月,5月时间,体验了一把“课题”的感受,为未来的日子打打基础,收获了很多。也要感谢师兄5个月来的各种帮助。

最后,毕业快乐。

所有去雾代码的开源地址:https://github.com/raven-dehaze-work

Last modification:September 7th, 2019 at 11:00 am
如果觉得我的文章对你有用,请随意赞赏

Leave a Comment