天津大学 2025 秋季图像处理实验四
论文参考:
Deep Retinex Decomposition for Low-Light Enhancement
BMVC 2018
本项目实现了 RetinexNet 的 PyTorch 版本(略微改进)。支持完整的数据处理、训练、测试流程。
本项目使用 [uv] 管理 Python 环境,依赖已在 pyproject.toml 中定义。
pip install uv
uv sync或者使用 Conda 创建虚拟环境:
conda create -n retinexnet_pytorch python=3.13 -y
conda activate retinexnet_pytorch
pip install -r requirements.txt自动下载和整理数据集:
# 请确保网络环境能访问HuggingFace
bash fetch_data.sh使用如下命令进行训练:
uv run main.py --config config/train_config.json
# 如果使用 conda 环境,请使用下面的命令
# python main.py --config config/train_config.json对于低配置机器(无nvidia-gpu),建议修改 config/train_config.json 中的配置如下:
{
"use_gpu": false,
"gpu_idx": 0,
"epochs": 50,
"batch_size": 4,
"accumulation_step":4,
}使用如下命令进行测试:
uv run main.py --config config/test_config.json
# 如果使用 conda 环境,请使用下面的命令
# python main.py --config config/test_config.json- 论文:Deep Retinex Decomposition for Low-Light Enhancement (BMVC 2018)
- 原版 TensorFlow 实现:RetinexNet (TensorFlow)

