将AIRNet集成到yolov8中，实现端到端训练与推理

AIRNet是一个图像修复网络，支持对图像进行去雾、去雨、去噪声的修复。其基于对比的退化编码器（CBDE），将各种退化类型统一到同一嵌入空间；然后，基于退化引导恢复网络（DGRN）将嵌入空间修复为目标图像。可以将AIRNet的输出与yolov8进行端到端集成，实现部署上的简化。 本博文的实现，支持AIRNet模型在yolov8中的推理与训练，但是对于AIRNet模型的loss，不支持在训练输出中显示（改动量较大，故放弃了），但在每一次iter迭代中，各位可以添加loss信息存储代码，在训练结束后自行将item对应的loss计算为epoch的loss。

补充说明：320x320的输入，batch为2，12g显存不支持AIRNet-yolov8的训练。

要集成到yolov9中的话，参考https://hpg123.blog.csdn.net/article/details/137935493中的配置文件即可。

这里的实现，是以yolov8的训练数据格式为准，要想支持去雨、去雾、去噪声的训练，则需要修改输入的im_tensor，自行对im_tensor添加雨、雾、噪声等。
将AIRNet与yolov9进行集成后，发现显存占用比较多，故而在推理过程中使用320x320的输入。

</