Pytorch图像去噪实战(三十九):图像质量回归测试,防止模型更新后去噪效果变差
Pytorch图像去噪实战(三十九):图像质量回归测试,防止模型更新后去噪效果变差一、问题场景:新模型上线后,用户反馈图片更糊了图像去噪模型迭代时,经常会遇到这种情况:新模型 PSNR 更高训练 loss 更低论文指标更好但业务图像效果变差比如:OCR图片文字边缘变虚商品图细节丢失人脸图像磨皮过度扫描件背景变脏真实噪声没有去干净这说明模型更新不能只看训练日志。必须建立一套图像质量回归测试机制。二、什么是回归测试?回归测试的目的:确保新模型没有破坏旧模型已经做好的效果。对于图像去噪,我们需要固定一批测试图片,每次模型更新都跑一次,对比:PSNRSSIM推理时间输出差异人工视觉样例三、工程目录结构denoise_regression_test/ ├── test_images/ │ ├
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2587991.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!