DLEN

GitHub 仓库：https://github.com/LaLaLoXX/DLEN 论文链接：https://arxiv.org/abs/2501.12235

git clone https://github.com/LaLaLoXX/DLEN.git

基于 BasicSR 改写的低光增强训练与测试代码库。网络主体为 DLEN（含光照估计、去噪与幅度分支等模块），在本仓库内独立实现与命名。

功能概览

• 训练 / 验证：ImageCleanModel + 成对数据 Dataset_PairedImage，支持多 GPU（torchrun）。
• 测试：标准 BasicSR 测试入口，按 YAML 配置数据集与指标。
• 预置配置：LOL-v1、LOL-v2（Synthetic / Real）等 YAML 位于 Options/。

环境要求

• Python 3.8+（建议与 PyTorch 官方说明一致）
• PyTorch（需与 CUDA 版本匹配）
• 常见依赖见下方「依赖安装」

依赖安装

本仓库的 setup.py 未维护完整的 install_requires，建议先安装 PyTorch，再安装其余包，最后在项目根目录以可编辑方式安装本包：

pip install einops opencv-python numpy pyyaml tqdm scikit-image scipy natsort tensorboard wandb
pip install -e . --no_cuda_ext

说明：

• --no_cuda_ext：当前仓库未包含 BasicSR 原版的 CUDA 算子扩展源码；若你自行补全 basicsr/models/ops 并具备编译环境，可去掉该参数尝试编译扩展。
• 若使用 TensorBoard / WandB 日志，请确保已安装对应包并在 YAML 中按需开启。

数据准备

按所选 YAML 中的路径放置数据。例如 Options/DLEN_LOL_v1.yml 使用：

• dataroot_gt：正常光照图像根目录
• dataroot_lq：低光图像根目录

请将 YAML 内路径改为你本机数据目录，或保持相对路径并在项目根下建立 data/ 结构。

训练

在项目根目录执行（单卡示例）：

python basicsr/train.py --opt Options/DLEN_LOL_v1.yml

默认配置见 basicsr/train.py 中的 --opt 默认值，也可显式指定其他 YAML。

多卡训练

可参考 train_multigpu.sh（Linux）。示例：

bash train_multigpu.sh Options/DLEN_LOL_v1.yml 0,1 4321

其中参数依次为：配置文件路径、可见 GPU 列表、master_port（多任务时请错开端口）。

Windows 下可改用等价命令，例如：

set CUDA_VISIBLE_DEVICES=0,1
torchrun --nproc_per_node=2 --master_port=4321 basicsr/train.py --opt Options/DLEN_LOL_v1.yml --launcher pytorch

测试

使用 BasicSR 测试脚本，需准备与 YAML 中 datasets 一致的测试集路径：

python basicsr/test.py --opt Options/DLEN_LOL_v1.yml

测试前可在对应 YAML 的 path 中设置 pretrain_network_g 指向你的权重文件。

配置文件说明

文件	说明
Options/DLEN_LOL_v1.yml	LOL-v1 成对数据训练/验证
Options/DLEN_LOL_v2_synthetic.yml	LOL-v2 Synthetic
Options/DLEN_LOL_v2_real.yml	LOL-v2 Real

网络类型在 YAML 的 network_g.type 中应为 DLEN，与 basicsr/models/archs/DLEN_arch.py 中类名一致。

目录结构（节选）

├── basicsr/              # 训练、测试、数据、模型与工具
│   ├── train.py
│   ├── test.py
│   ├── data/
│   └── models/
│       └── archs/        # DLEN、LWN、SEB 等结构定义
├── Options/              # 实验 YAML
├── Enhancement/          # 增强相关脚本与工具（如数据集测试流程）
├── train_multigpu.sh     # 多卡启动示例
├── setup.py
├── VERSION
└── LICENSE.txt

致谢

• BasicSR 提供的训练框架与工程组织方式。
• 低光增强领域公开数据集与相关先行工作(详见引用)对本项目的启发。

许可证

见仓库根目录 LICENSE.txt。

---

如需在 README 中补充论文引用、预训练权重下载链接或实验表格，可将对应信息发给我以便更新本节。