基于深度学习的图像去雨（Opencv，Pytorch，Cnn）

好好学习o(⊙o⊙)

墨衍会员 · AI 创作全网分发码龄4年

关注

VIP免费原创最新推荐文章于 2026-04-27 20:47:51 发布 2.5k 阅读 AI 写同款· GEO 优化 ›

基于深度学习的图像去雨去雾基于深度学习的图像去雨去雾，使用的网络为unet，直接运行main.py即可弹出交互界面。基于深度学习的图像去雨去雾。阅读详情

文章目录

前言
网络模型
数据集
模型训练
项目结构&源码下载

前言

最近做了一个图像去雨项目，使用的语言为Python，深度学习框架为Pytorch。去雨效果不错，具体请看效果视频！

图像去雨(GAN，Opencv，Pytorch)

网络模型

去雨的网络架构为Unet模型，模型的结构图如下所示：

在这里插入图片描述

代码如下：

import torch
import torch.nn as nn
from torchsummary import summary
from torchvision import models
from torchvision.models.feature_extraction import create_feature_extractor
import torch.nn.functional as F
from torchstat import stat

class Resnet18(nn.Module):
    def __init__(self):
        super(Resnet18, self).__init__()
        self.resnet = models.resnet18(pretrained=False)
        # self.resnet = create_feature_extractor(self.resnet, {'relu': 'feat320', 'layer1': 'feat160', 'layer2': 'feat80',
        #                                                'layer3': 'feat40'})

    def forward(self,x):
        for name,m in self.resnet._modules.items():

            x=m(x)
            if name=='relu':
                x1=x
            elif name=='layer1':
                x2=x
            elif name=='layer2':
                x3=x
            elif name=='layer3':
                x4=x
                break
        # x=self.resnet(x)
        return x1,x2,x3,x4
class Linears(nn.Module):
    def __init__(self,a,b):
        super(Linears, self).__init__()
        self.linear1=nn.Linear(a,b)
        self.relu1=nn.LeakyReLU()
        self.linear2 = nn.Linear(b, a)
        self.sigmoid=nn.Sigmoid()
    def forward(self,x):
        x=self.linear1(x)
        x=self.relu1(x)
        x=self.linear2(x)
        x=self.sigmoid(x)
        return x
class DenseNetBlock(nn.Module):
    def __init__(self,inplanes=1,planes=1,stride=1):
        super(DenseNetBlock,self).__init__()
        self.conv1=nn.Conv2d(inplanes,planes,3,stride,1)
        self.bn1 = nn.BatchNorm2d(planes)
        self.relu1=nn.LeakyReLU()

        self.conv2 = nn.Conv2d(inplanes, planes, 3,stride,1)
        self.bn2 = nn.BatchNorm2d(planes)
        self.relu2 = nn.LeakyReLU