論文《Instance-level Human Parsing via Part Grouping Network》復現
資料准備
- 論文地址：https://arxiv.org/pdf/1808.00157.pdf
- 項目地址：https://github.com/Engineering-Course/CIHP_PGN
- 說明：此篇博客是根據原論文公開項目中的issues和readme.md整合學習實現的論文復現
環境配置
-
Step 0：首先這個公開的項目是沒有關於環境配置的說明，所以在項目的issues里面有很多關於環境的問題，我看了下這些issues和在github上找到的另外一個項目中的requirements.txt結合服務器已經配置好的cuda$cudnn環境最終的項目環境為：
cuda==9.0.176 tensorflow-gpu==1.10.0 numpy==1.13.3 scipy==1.4.1 pillow==7.2.0 opencv-python==4.3.0.36 -
Step 1：詳細的環境截圖為：
說明：配置環境期間會遇到很多包不兼容的情況，請細心慢調...
運行前准備
-
Step 0：按照原項目中的步驟1准備好預訓練模型解壓后放在
$HOME/checkpoint; -
Step 1：准備數據集；如果沒有用matlab對數據集中的圖片進行提前的處理就運行test_pgn.py會報錯，因此我翻看了下原項目中的關於這個數據集准備的一些iusses整理的操作步驟如下：
-
Step 2：如果沒有matlab需要安裝一個，可參照我之前的博客
-
Step 3： datasets的文件結構如下：
datasets/CIHP/images/0002190.png datasets/CIHP/list/img_list.txt datasets/CIHP/images/tool/logwell_script.m datasets/CIHP/images/edges datasets/CIHP/images/labels說明：
-
datasets/CIHP/images/0002190.png為原圖； -
datasets/CIHP/list/img_list.txt中的內容為0002190.png -
datasets/CIHP/images/tool/logwell_script.m中的內容為：clear; close all; fclose all; %% imglist = '../list/img_list.txt'; % 00000.png list = textread(imglist, '%s'); for i = 1:length(list); imname = list{i}; instance_map = imread(fullfile('../images', imname)); instance_contour = uint8(imgradient(rgb2gray(instance_map)) > 0); imwrite(instance_contour, fullfile('../edges', imname)); imwrite(instance_contour, fullfile('../labels', imname)); end
-
-
Step 4：按照原項目文件
datasets/CIHP/list/的txt的格式修改，留下關於0002190.png圖片的信息； -
Step 5：運行logwell_script.m；一般來說終端中輸入matlab就進入了matlab命令行中，輸入命令行
run logwell_script.m就可以運行了，也可參照issues中的matlab運行命令行； -
Step 6：如果在
datasets/CIHP/images/edges&datasets/CIHP/images/labels文件中均發現有新的文件那么這以上的操作就算成功了；
test_pgn.py運行
-
Step 0：直接終端中輸入
python test_pgn.py出現success字樣就算成功了； -
Step 1：在目錄
CIHP_PGN-master/下會出現output文件夾，里面就是運行的結果圖。
test_pgn.py運行結果
-
Step 0：第一組結果如下：（說明：由於項目的需求，我測試了原圖是灰度圖的結果和彩色圖結果是一樣的）
-
Step 1：第二組結果如下：
