GAN实现图像去噪（Pytorch框架实现）
项目简介
本项目利用生成对抗网络（GAN）在Pytorch框架下实现图像去噪，特别是针对高斯噪声。项目数据集包含了清晰图像和添加噪声的图像，采用U-Net类型的生成模型和判别模型进行处理。通过本项目，您可以学习如何使用GAN进行图像去噪，并复现实验和进一步学习。
数据集
数据集包含清晰的图像和添加了高斯噪声的图像。数据集目录结构如下：
data/faces/trainval/：原始清晰图像目录GFaces/trainval/：添加高斯噪声的图像目录
模型设计
生成模型
生成模型采用类似于U-Net网络类型，用于生成去噪后的图像。
判别模型
判别模型用于区分生成器生成的图像和真实图像。
模型去噪效果
Demo演示效果
项目提供了一个显示生成器显示图片的程序（mainWindow.py），加载之前训练之后保存的生成器模型，之后可使用该模型进行生成去噪之后的图片。
使用方法
- 下载数据集并解压到项目目录。
- 运行训练脚本进行模型训练。
- 使用
mainWindow.py加载训练好的模型进行图像去噪。
依赖环境
- Python 3.x
- Pytorch
- 其他依赖库请参考
requirements.txt
参考文献
致谢
感谢CSDN博客作者Keep_Trying_Go提供的详细教程和代码实现。