芒果台,腹部减肥,卧薪尝胆的主人公是谁

频道:推荐新闻 日期: 浏览:172

雷锋网 AI 科技评论按,用对抗性边缘学习修复生成图像是cunny一种新的图像修复方法,它可以更好地复制填充区域,它的细节部分展现了开发者对艺术工作者工作阿奇那塞斯黑什么意思方式的理解:线条优先,颜色次之。对应的论文在 arxiv 上可以查看:https:/东方伊旬园/arxiv.org/abs/1901.00212。

文中提出了一种 2 阶对抗式边缘连接模型,该模型由一个边缘生成器和一个图像完成网络组成。边缘生成器先描绘出图像缺失区域(规则和不规则)的边缘,图像完成网络先验使用描绘出的边缘填充缺失区域。论文对该系统进行了详细的描述。

(a)输入有缺失区域的图像,缺失区域用白色表示。(b)计算得到的边缘,使用 Ca苏双双nny 边缘检测器计算(针对可用区域)黑色绘制的边缘;而蓝色显示的边缘由边缘生成器网络描绘。(c)拟用方法的图像修复结果。

准备:

Python 3

PyTor血洒海神庙ch 1.0

NVIDIA GPU + CUDA cuDNN闻檀的作品集

安装:

复制下面这个 repo:

git clone https://github.com/knazeri/edge-connect.gi七色女友tcd edge-connect

cd edge-connect

从 http://pytorch.org安装 PyTorch 及其相关依赖。

安装张三丰异界游全文阅读 python 文件:

pip in甄芝茶stall -r requirements.txt

数据集

1. 图像

这里使用 Places2, CelebA以及Paris Street-View 数据集。从官网下载数据mt6071ie集芒果台,腹部减肥,卧薪尝胆的主人公是谁,在整个数据集上训练模型。

下载完成后,运行 scripts/flist.py 这个文件来生成训练、测试和验证集文件列表。例如,要在 Places2 数据集上生成训练集文件列表,请运行:

mkdir datasets

python ./scripts/flist.py --path path_to_places2_train_set --output ./datasets/places_train.flist

2 .不规则掩膜

我们的发酵床养蛇模型是在 Liu 等人提供的不规则掩模数据集上进行训练的,你可以从他们的网站上下载公开的不规则掩膜数据集。雷锋网

请使用 scripts/flist.py 生成上述训练、测试和验证集掩膜文件列表。

开始

使用以下链接下载预先训练的模型,并将其复制到./checkpoints 目录下。

Places2|CelebA|Paris-StreetView

或者,你可以运行以下脚本自动下载预训练的模型:

b广元堂纤体梅ash ./scripts/downloa魔忍d_model.s丁大大h

1 .训练

要训练模型,请创建一个类似于示例配置文件的 config.yaml 文件,并将其复制到检查点目录下。有关模型配置的详细信息,请参阅配置指南。

EdgeConnect 的训练分为三个阶段:1)边缘模型的训练;2)内部模型的训练;3)联合模型的训练。训练模型:

python train.py --model [stage] --checkpoints [path to chec男同志69kpoints]

例如,要在./checkpoints/places2 目录下的 places2 数据集上训练边缘模型:

python train.py --model 1 --checkpoints ./checkpoints/places2

模型的收敛性因数据集而异。例如,Places2 数据集在两个时期中的一个就能聚合,而较小的数据集(如 CelebA)则需要将近 40 个时期才能聚合。你可以通过更改配置文件中的 MAX_ITERS 值来设置训练迭代次数。雷锋网

2 .测试

要测试模型,请创建一个与示例配置文件类似的 config.yaml 文件,并将其复制到检查点目录下。

你可以在所有三个阶段上测试模型:边缘模型、内部模型和联合模型。在每种情况下,都需要提供一个输入图像(带掩膜的图像)和一个灰度掩膜文件。请确保掩膜文件覆盖输入图像中的整个掩膜区域。测试模型:

python test.py \

--model [stage]

--check舔丝足points [path to checkpoints] \

--inpugodagodat [path to input directory or file] \

--mask [path to masks directory or mask file] \

--output [path to the output directory]

我们在./examples 目录下提供了一些测试示例,请下载预训练模型并运行:

python test.py \曾雪明

--checkpoints ./checkpoints/places2

--input ./examples/places2/images

--mask ./examples/places2/masks

--output ./checkpoints/results

此脚本将在./examples/places2/images 中使用和./examples/places2/mask 对应的掩膜图像,并将结果保存在./checkpoints/results 目录中。默认情况下,test.py 脚本在阶段 3 上运行(--model=3)。

3 .评估

要评估模型,你需要首先在测试模式下对 validation 集运行模型,并将结果大套手续可以跑全国吗保存到磁盘上。我们提供了一个实用程序./scripts/metrics.py,使用 PSNR, SSIM 和 Mean Absolute Error 评估模型:

python ./scripts/metrics.py --data-path [验证集路径] --输出路径 [模型输出路径]

要测量 FID 分数,请运行./scripts/fid_score.py。我们利用了这里的 FID 的 pytorch 实现,它使用了 pytorch 初始模型中的预训练权重。

python ./scripts/fid_score.py --path [验证集路径, 模型输出路径] --gpu [要使用的 gpu id]

via:https://github.com/knazeri/edge-connect

热门
最新
推荐
标签