About quick test own single image.

[alvinlin1271320]

Thanks for the code. I would like to ask you that could I just test my single image rather than test SIDD dataset? If can, what should I do?

I run your code like this, and below is the error message.
$ python test.py -s LGBPN_SIDD -c APBSN_SIDD/BSN_SIDD -g 0 -e 20 --test_img {my_image}

"src\util\util.py", line 300, in forward
b, c, h, w = x.shape
ValueError: not enough values to unpack (expected 4, got 2)

[Wang-XIaoDingdd]

Hi alvinlin1271320:

1. Testing one image is OK.
2. It seems that the error comes from the incorrect shape of x.
   So I wonder if your input image just has 1 channel, and the x is of shape [h, w]? The input should be of 3 channels (RGB) for real image denoising :)

[gaoyuanhang]

I have also encountered this issue. I am sure that I entered a color image, including 3 channels, but I will report an error ：
ValueError: not enough values to unpack (expected 4, got 3).
I hope you can answer this question.

[xzq-2000]

我在测试数据集的时候也出现了(mmdet) D:\programs\denoise_sonar_programs\LGBPN-master>python test.py --config APBSN_DND/BSN_DND --pretrained D:\programs\denoise_sonar_programs\LGBPN-master\output\test\checkpoint\test_020.pth --test_dir D:\programs\denoise_sonar_programs\LGBPN-master\dataset\Sonar\RN
model loaded : D:\programs\denoise_sonar_programs\LGBPN-master\output\test\checkpoint\test_020.pth
Start >>>
C:\Users\admin.conda\envs\mmdet\lib\site-packages\torch\functional.py:504: UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument. (Triggered internally at C:\actions-runner_work\pytorch\pytorch\builder\windows\pytorch\aten\src\ATen\native\TensorShape.cpp:3191.)
return _VF.meshgrid(tensors, **kwargs) # type: ignore[attr-defined]
torch.Size([1, 24, 392, 520])
torch.Size([1, 24, 392, 520])
torch.Size([1, 24, 392, 520])
torch.Size([1, 208, 272])
torch.Size([1, 208, 272])
Traceback (most recent call last):
File "test.py", line 44, in
main()
File "test.py", line 40, in main
trainer.test()
File "C:\Users\admin.conda\envs\mmdet\lib\site-packages\torch\autograd\grad_mode.py", line 27, in decorate_context
return func(*args, **kwargs)
File "D:\programs\denoise_sonar_programs\LGBPN-master\src\trainer\trainer.py", line 39, in test
self.test_dir(self.cfg['test_dir'])
File "D:\programs\denoise_sonar_programs\LGBPN-master\src\trainer\base.py", line 480, in test_dir
self.test_img(os.path.join(direc, ff), os.path.join(direc, 'results'))
File "D:\programs\denoise_sonar_programs\LGBPN-master\src\trainer\base.py", line 448, in test_img
denoised = self.denoiser(noisy)
File "D:\programs\denoise_sonar_programs\LGBPN-master\src\model\APBSN.py", line 67, in denoise
img_pd_bsn = self.forward(img=x, pd=self.pd_b)
File "D:\programs\denoise_sonar_programs\LGBPN-master\src\model\APBSN.py", line 58, in forward
pd_img_denoised = self.bsn(img, dict=dict)
File "C:\Users\admin.conda\envs\mmdet\lib\site-packages\torch\nn\modules\module.py", line 1190, in _call_impl
return forward_call(*input, **kwargs)
File "D:\programs\denoise_sonar_programs\LGBPN-master\src\model\DBSNl.py", line 502, in forward
br2 = self.branch2(x, refine, dict=dict)
File "C:\Users\admin.conda\envs\mmdet\lib\site-packages\torch\nn\modules\module.py", line 1190, in _call_impl
return forward_call(*input, **kwargs)
File "D:\programs\denoise_sonar_programs\LGBPN-master\src\model\DBSNl.py", line 156, in forward
x = self.Maskconv(x, refine, dict=dict, SIDD=self.SIDD)
File "C:\Users\admin.conda\envs\mmdet\lib\site-packages\torch\nn\modules\module.py", line 1190, in _call_impl
return forward_call(*input, **kwargs)
File "D:\programs\denoise_sonar_programs\LGBPN-master\src\model\DBSNl.py", line 366, in forward
x_out = self.forward_chop(x, ratio=pd_test_ratio)
File "D:\programs\denoise_sonar_programs\LGBPN-master\src\model\DBSNl.py", line 423, in forward_chop
y = self.forward_chop(*p, shave=shave, min_size=min_size, ratio=ratio)
File "D:\programs\denoise_sonar_programs\LGBPN-master\src\model\DBSNl.py", line 403, in forward_chop
x_offset = P.data_parallel(deform_conv, *x, range(n_GPUs))
File "C:\Users\admin.conda\envs\mmdet\lib\site-packages\torch\nn\parallel\data_parallel.py", line 231, in data_parallel
return module(*inputs[0], **module_kwargs[0])
File "C:\Users\admin.conda\envs\mmdet\lib\site-packages\torch\nn\modules\module.py", line 1190, in _call_impl
return forward_call(*input, **kwargs)
File "D:\programs\denoise_sonar_programs\LGBPN-master\src\util\util.py", line 301, in forward
b, c, h, w = x.shape
ValueError: not enough values to unpack (expected 4, got 3)这个问题，请问一下有什么解决方法吗，测试的图像三通道和单通道我都尝试过了，都会出现这个错误，希望有空可以帮我看一下这个问题。

[xzq-2000]

我在测试数据集的时候也出现了（mmdet） D：\programs\denoise_sonar_programs\LGBPN-master>python test.py --config APBSN_DND/BSN_DND --pretrained D：\programs\denoise_sonar_programs\LGBPN-master\output\test\checkpoint\test_020.pth --test_dir D：\programs\denoise_sonar_programs\LGBPN-master\dataset\Sonar\RN 模型已加载：D：\programs\denoise_sonar_programs\LGBPN-master\output\test\checkpoint\test_020.pth Start >>>C：\Users\admin.conda\envs\mmdet\lib\site-packages\torch\functional.py:504：UserWarning：torch.meshgrid：在即将发布的版本中，需要传递索引参数。（在 C：\actions-runner_work\pytorch\pytorch\builder\windows\pytorch\aten\src\ATen\native\TensorShape.cpp：3191 内部触发。 return _VF.meshgrid（tensors， **kwargs） # type： ignore[attr-defined] torch.尺寸（[1， 24， 392， 520]） 割炬。尺寸（[1， 24， 392， 520]） 割炬。尺寸（[1， 24， 392， 520]） 割炬。尺寸（[1， 208， 272]）割炬。大小（[1， 208， 272]） 回溯（最近一次调用最后一次）： 文件“test.py”，第 44 行，在 main（） 文件“test.py”，第 40 行，在 main trainer.test（） 文件“C：\Users\admin.conda\envs\mmdet\lib\site-packages\torch\autograd\grad_mode.py”，第 27 行，在 decorate_context 返回 func（*args， **kwargs） 文件“D：\programs\denoise_sonar_programs\LGBPN-master\src\trainer\trainer.py”，第 39 行，测试中self.test_dir（self.cfg['test_dir']） 文件“D：\programs\denoise_sonar_programs\LGBPN-master\src\trainer\base.py”，第 480 行，在 test_dir self.test_img（os.path.join（direc， ff）， os.path.join（direc， 'results'）） 文件“D：\programs\denoise_sonar_programs\LGBPN-master\src\trainer\base.py”，第 448 行，在 test_img 去噪 = self.denoiser（嘈杂） 文件“D：\programs\denoise_sonar_programs\LGBPN-master\src\model\APBSN.py“，第 67 行，降噪 img_pd_bsn = self.forward（img=x， pd=self.pd_b） 文件”D：\programs\denoise_sonar_programs\LGBPN-master\src\model\APBSN.py“，第 58 行，正向 pd_img_denoised = self.bsn（img， dict=dict） 文件”C：\Users\admin.conda\envs\mmdet\lib\site-packages\torch\nn\modules\module.py“，第 1190 行，_call_impl返回 forward_call（*input， **kwargs） 文件“D：\programs\denoise_sonar_programs\LGBPN-master\src\model\DBSNl.py”，第 502 行，向前 br2 = self.branch2（x， refine， dict=dict） 文件“C：\Users\admin.conda\envs\mmdet\lib\site-packages\torch\nn\modules\module.py”，第 1190 行，在 _call_impl 返回 forward_call（*input， **kwargs） 文件“D：\programs\denoise_sonar_programs\LGBPN-master\src\model\DBSNl.py”，第 156 行，向前x = 自我。Maskconv（x， refine， dict=dict， SIDD=self.SIDD） 文件“C：\Users\admin.conda\envs\mmdet\lib\site-packages\torch\nn\modules\module.py”，第 1190 行，_call_impl返回 forward_call（*input， **kwargs） 文件“D：\programs\denoise_sonar_programs\LGBPN-master\src\model\DBSNl.py”，第 366 行，正向 x_out = self.forward_chop（x， ratio=pd_test_ratio） 文件“D：\programs\denoise_sonar_programs\LGBPN-master\src\model\DBSNl.py”， 第 423 行，在 forward_chop y = self.forward_chop（*p， shave=shave， min_size=min_size， ratio=ratio） 文件“D：\programs\denoise_sonar_programs\LGBPN-master\src\model\DBSNl.py“，第 403 行，在forward_chop x_offset = P.data_parallel（deform_conv， *x， range（n_GPUs）） 文件”C：\Users\admin.conda\envs\mmdet\lib\site-packages\torch\nn\parallel\data_parallel.py“，第 231 行，在data_parallel返回模块（*inputs[0]，**module_kwargs[0]） 文件”C：\Users\admin.conda\envs\mmdet\lib\site-packages\torch\nn\modules\module.py“， 第 1190 行，在_call_impl返回 forward_call（input， **kwargs） 文件“D：\programs\denoise_sonar_programs\LGBPN-master\src\util\util.py”，第 301 行，向前 b、c、h、w = x.shape ValueError：没有足够的值来解包（预期 4，得到 3）这个问题，请问一下有什么解决方法吗，测试的图像三通道和单通道我都尝试过了，都会出现这个错误，希望有空可以帮我看一下这个问题。
我尝试再utils文件中修改对应部分，不知道这洋的操作对去噪的正确性是否有影响，另外想请问博主测试一张7681024图片的时间大约多久，我这里特别慢，谢谢博主
x_chops = [
torch.cat([
a.unsqueeze(0)[..., top, left],
a.unsqueeze(0)[..., top, right],
a.unsqueeze(0)[..., bottom, left],
a.unsqueeze(0)[..., bottom, right]
]) if a.dim() == 3 else torch.cat([
a[..., top, left],
a[..., top, right],
a[..., bottom, left],
a[..., bottom, right]
]) for a in args
]