トップページ ▶ 人工知能，実世界DB ▶ GAN の応用例 ▶ 画像のノイズ除去（yu4u/noise2noise，Python 3.6, TensorFlow 1.15，Keras 2.1 を使用）

サイトマップ

サイト内検索

用語集

アクセスログ

金子邦彦研究室

画像のノイズ除去（yu4u/noise2noise，Python 3.6, TensorFlow 1.15，Keras 2.1 を使用）

前準備

（Windows を使う場合のみ）マイクロソフト C++ ビルドツール (Build Tools) のインストール

「Visual Studio Community 2019 vesion 16.2, マイクロソフト C++ ビルドツールのインストール（Windows 上）」で説明している．

Python，TensorFlow 1.15 のインストール

すでに TensorFlow 2 を使っている，あるいは使う予定ということがありえる． 単純には，TensorFlow 2 と TensorFlow 1.15 を共存させて Python で使うということはできないが， 少しの手間で，共存できるようになる． そこで，TensorFlow 2 とTensorFlow 1.15 の共存を前提として， TensorFlow 1.15 のインストールを行う．

Windows の場合

Windows でのPython3.6，TensorFlow 1.15 のインストール：別ページで説明している．

すでにPython 3.9 あるいは Python 3.8 をインストールしている，あるいは，インストール予定という場合を想定し， あとのトラブルが起きにくい，そして，簡単に運用できるように 「Python 3.6 をインストールし，その上に，TensorFlow 1.15.5 をインストールする」という手順を案内している．

Ubuntu の場合

Ubuntu でのPython，TensorFlow 1.15 のインストール：別ページで案内している．

Ubuntu のシステム Python に影響を与えないように，隔離された Python 3.6 仮想環境の新規作成し，その上にTensorFlow 1.15.5 をインストールするという手順（venv を使用）（Ubuntu 上）を案内している．

Git のインストール

Git の URL: https://git-scm.com/

• Windows での Git のインストール手順: 別ページで説明している．
• Ubuntu での Git のインストール手順:

  sudo apt -y update
  sudo apt -y install git
  

画像のノイズ除去（yu4u/noise2noise，Python 3.6, TensorFlow 1.15，Keras 2.1 を使用）

Windows での手順を下に示す．Ubuntu でも同様の手順になる．

1. Windows で，コマンドプロンプトを管理者として実行する．
2. ディレクトリを空にする．

   cd c:\pytools
   rmdir /s /q noise2noise
   

3. ダウンロード

   git clone https://github.com/yu4u/noise2noise
   cd noise2noise
   
4. 前提パッケージのインストール

   python -m pip install -r requirements.txt
   

   （省略）
   
5. データセットのダウンロード

   https://github.com/yu4u/noise2noise の記載による

   mkdir dataset
   cd dataset
   wget --no-check-certificate https://cv.snu.ac.kr/research/VDSR/train_data.zip
   wget --no-check-certificate https://cv.snu.ac.kr/research/VDSR/test_data.zip
    x train_data.zip
    x test_data.zip
   cd ..
   
6. 学習と，動作確認

   # train model using (noise, noise) pairs (noise2noise)
   python train.py --image_dir dataset/291 --test_dir dataset/Set14 --image_size 128 --batch_size 8 --lr 0.001 --output_path gaussian
   python test_model.py --weight_file gaussian` --image_dir dataset/Set14