本赛题要求建立模型消除屏摄图片的摩尔纹噪声。数据集含1000个训练样本及A、B榜各200个测试样本，为image-to-image任务。基线采用WDNet模型，结合DenseNet与空洞卷积，新增随机旋转、裁剪等数据增强，优化损失权重与学习率衰减策略，最终B榜得分63.013。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

赛题介绍

选手需要建立模型，对比赛给定的带有摩尔纹的图片进行处理，消除屏摄产生的摩尔纹噪声，还原图片原本的样子，并提交模型输出的结果图片。

数据集简介

本次比赛的数据集所有的图像数据均由真实场景采集得到，再通过技术手段进行相应处理，生成可用的脱敏数据集。该任务为image-to-image的形式，因此源数据和GT数据均以图片的形式来提供。本次比赛不限制使用额外的训练数据来优化模型。测试数据集的GT不做公开。

数据集构成

|- root  
    |- images
    |- gts

       

本次比赛最新发布的数据集共包含训练集、A榜测试集、B榜测试集三个部分，其中训练集共1000个样本，A榜测试集共200个样本，B榜测试集共200个样本； images 为带摩尔纹的源图像数据，gts 为无摩尔纹的真值数据（仅有训练集数据提供gts ，A榜测试集、B榜测试集数据均不提供gts）； images 与 gts 中的图片根据图片名称一一对应。

以下图片为数据中的样本，左侧图片为原图，右侧图片为已经去除摩尔纹，同时亮度也有所调整的GT图(GroundTruth)。

                   

Baseline模型WDNet介绍

整体结构

WDNet是ECCV 2025提出一种去除摩尔纹的模型。该模型是一种基于小波与双分支的神经网络，结构如下：

       

首先RGB图片需要通过W*eletTransform模块进行转换，得到一个48通道的数据，通过WDNet网络同样得到一个通道数与尺寸不变的特征图。最后在一次通过W*eletTransform使用转置卷积将图片还原得到最终预测结果。

这里W*eletTransform的权重是固定不变不需要训练的。

DenseNet

       

DenseNet中使用旁路连接和特征复用的方式缓解了梯度消失的问题，同时减少了网络参数。DenseNet已经被用于去雾和超分辨率网络。

如上图所示，该模型中的dense分支新增了一个方向感知模块（DPM），用于找到摩尔纹的方向。DPM的输出和每一个dense的输出相乘，然后乘以一个因子β然后与输入相加。该设计可以有效的定位摩尔纹的位置。

Dilation

       

下采样和池化可以增大感受野，但同时也丢失了一些细节。空洞卷积可以解决这个问题。在每一个dilation分支里，都有两层，有一个3x3的空洞卷积和3x3的普通卷积组成。

思路步骤

基于WDNet模型实现的baseline，对摩尔纹图像进行观察，增加了随机度数旋转和随机裁剪的数据增强策略和对loss权值的修改，以及修改学习率衰减的策略。

代码组织结构

demoire-baseline/
├── train.py
    └── dataset.py
    └── transforms.py
    └── vgg.py
    └── losses.py
    └── model.py
    ├── predict.py
    └── utils.py
        └── train_result/model/epoch_1200/model.pdparams
    └── model.py

       

数据增强策略

在RandomHorizontalFlip、Resize、Normalize的基础上,

Motiff妙多

Motiff妙多是一款AI驱动的界面设计工具，定位为“AI时代设计工具”

334 查看详情

1. 因摩尔纹是以一定曲线的状态存在，所以对图像进行0-90度的随机旋转(Rotate);

2. 直接将图像resize成一个较小图片，可能会损失图像上摩尔纹的信息，所以先裁取大小为(512,512)的图像，再resize成(512,512)大小(Crop)。

其中，根据https://aistudio.baidu.com/paddle/forum/topic/show/993042 可知，尺寸不变的resize不会与原图像不同。         

调参优化策略

1. 使用baseline的原loss函数形式，preceptual loss的权值的改变对结果有增益，将preceptual loss的权值由1改为1.1。

2. 学习率衰减采用余弦退火(CosineAnnealingDecay),在训练时梯度下降算法可能陷入局部最小值，此时可以通过突然提高学习率，来“跳出”局部最小值并找到通向全局最小值的路径。

3）较小的batch_size和较多的epoch对结果有增益,其中batch_size = 4，epoch = 1200。

4）优化器选择AdamW。        

下一步优化方向

1. 在数据增强上加上仿射变换

2. 在模型修改方面加上MBCNN的结果进行融合

训练

准备数据集

In [ ]

%cd /home/aistudio/data/
!unzip /home/aistudio/data/data120844/moire_train_dataset.zip!unzip /home/aistudio/data/data120844/moire_testA_dataset.zip

   

解压数据集之后，数据集目录如下

moire_train_dataset/
├── gts
└── images

   

启动训练命令

In [ ]

%cd /home/aistudio/demoire-baseline/
!python train.py --dataset_root ../data/moire_train_dataset/ --max_epochs 1200 --batch_size 4 --sample_interval 100

   

在训练过程中，可以设置sample_interval的值，来获取中间模型的预测推理效果图。比如100，代表每迭代100次，则使用模型进行一次推理预测，并生成一张对比图。

epoch 8:  epoch 12:        

在上面的图片中，左侧的图片为数据集中的原始图片，右边的图片为GT图，中间的图片为模型推理预测输出。可以看出随着模型训练迭代次数的增加，预测图越来越与GT图相似。

In [ ]

# 预测## 启动预测脚本

    In [ ]

!unzip /home/aistudio/moire_testB_dataset.zip -d /home/aistudio/data/

    In [ ]

%cd /home/aistudio/demoire-baseline/
!python predict.py --dataset_root ../data/moire_testB_dataset/ --pretrained train_result/model/epoch_1200/model.pdparams

   

运行结束后，结果文件保存在output/pre目录下。进入pre目录创建readme.txt文件。输入以下内容：

训练框架：PaddlePaddle
代码运行环境：V100
是否使用GPU：是
单张图片耗时/s：0.2
模型大小：15MB
其他说明：该算法参考WDNET网络。

       

然后压缩所有文件。

In [ ]

%cd /home/aistudio/demoire-baseline/output/pre/
!zip result.zip *.jpg *.txt

   

最后下载result.zip文件，提交即可。最终B榜得分63.013。

以上就是百度网盘AI大赛——图像处理挑战赛：文档图像摩尔纹消除第七名方案的详细内容，更多请关注其它相关文章！

# ai  # 较小  # 最小值  # 一言  # 文档  # 第七名  # 百度网  # 图像处理  # udio  # red  # cos  # 百度  # 百度网盘  # python  # 中文网  # 许昌网站营销推广软件  # 博客网站推广常见问题  # 如何做好e分期营销推广工作  # 婚庆行业网站seo引流  # 如何做链接网站推广赚钱  # 焦点科技推广国际营销  # 怎么推广网站宣传活动  # 东莞虎门建材网站建设  # 天津省seo排名优化  # 管城附近网站建设  # 迭代  # 官网 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 空调控制面板power灯一直亮是什么意思  a03怎么根据编号找文链接入口  unix时间戳转换公式  花呗征信不好如何恢复 如何修复不良的花呗征信  征信信用不好如何恢复 征信信用不好如何恢复指南  为什么程序员热爱typescript  网络光刻机是干什么用的  夸克绑定设备是什么意思  typescript多久能学会  苹果16系统有哪些系列  datediff函数怎么用视频  折叠屏手机为什么有黑点  光刻机的作用及工作原理  为什么夸克没有动漫  单片机怎么加死循环  如何更新typescript  typescript入门要多久  春运抢票要用抢票软件吗  1s等于多少ms  nfc近场通讯功能是什么意思  j*a怎么把数组输出  juice是什么意思  什么是泛域名解析  j*a怎么读取char数组  type-c输入接口是什么  哪些框架支持typescript  为什么夸克网盘下载不了  j*a数组怎么新增值  如何使用程序编译 执行的命令  angluar如何命令删除dist  12306放票时间规律(2025)  ospf中交换机命令如何设置  喇叭上标的power30w是什么意思  360桌面壁纸怎么弄掉  如何用dos命令分区  dos命令 如何将变量 作为路径的一部分  如何管理员打开cmd命令行窗口  如何学习typescript  j*a怎么讲数组打印  win10如何打开dos命令窗口大小  交管12123协议头不完整是什么原因  如何发挥固态硬盘性能  如何使用ping命令  单片机是怎么复位的  科技型企业成长＂十步法＂  苹果手机16新款颜色有哪些  typescript属性只读如何修改  power在录音笔上是什么意思  划水是什么意思  一尺是多少厘米