论文复现——LaMa：Resolution-robust Large Mask Inpainting with Fourier Convolutions

本文介绍了LaMa模型的backbone结构，包括快速傅里叶卷积及其组成部分，重点讨论了FFC中的局部与全局通道划分比例。复现代码支持高级训练技巧，并分享了预训练和自定义数据集的训练策略。

本次复现的论文是图像修复领域较火的Lama模型中的backbone，LaMa的backbone用在图像分类任务上也能有很好的效果。
原论文：https://arxiv.org/abs/2109.07161
源代码（用于图像修复的代码）：https://github.com/saic-mdal/lama
复现的代码（用于图像分类代码）：https://github.com/RooKichenn/General-lama-backbone（支持apex混合精度训练、mixup/cutmix、resume）

文章目录

一、LaMa整体结构
二、快速傅里叶卷积（FFC）
- - Fourier Unit (FU)
  - Local Fourier Unit (LFU)
三、FFC中local和global通道划分比例
四、训练策略

一、LaMa整体结构

LaMa整体结构
从图中可以看出，输入到网络的x'是由真实图像x和掩码m在通道方向上进行拼接构成的，公式为x'=stack(x⊙m, m)，拼接完成后，x.shape(3, 224, 224) -->x'.shape(4, 224, 224)，进行下采样，在第一层下采样时用了一个7x7的快速傅里叶卷积（FFC），LaMa的backbone整体使用的都是FFC进行卷积，第一层使用大卷积核是为了获得全局的感受野，后两层下采样也是使用的FFC，但是卷积核为3x3，经过下采样后，图像缩小了8倍，但是一般图像分类的模型都是下采样32倍，所以可以添加两个下采样模块，就是在原论文的基础上再下采样4倍，就变成了整体下采样32倍（我复现的是下采样8倍，32倍的还没试过）。下采样完成后，将特征图送入FFC ResNet Blocks，在FFC ResNet Blocks中特征图尺寸是不会变化的，主要目的就是为了让模型学习特征映射，后面的上采样我们不需要，我们只需有backbone，所以不做过多讲解，具体可以去阅读原论文。