图像协调数据集iHarmony4使用教程-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00262/article/details/146936693

图像协调数据集iHarmony4使用教程

Image-Harmonization-Dataset-iHarmony4 [CVPR 2020] The first large-scale public benchmark dataset for image harmonization. The code used in our paper "DoveNet: Deep Image Harmonization via Domain Verification", CVPR2020. Useful for image harmonization, image composition, etc. 项目地址: https://gitcode.com/gh_mirrors/im/Image-Harmonization-Dataset-iHarmony4

1. 项目介绍

iHarmony4是一个大规模的公开图像协调基准数据集。它旨在通过调整合成图像的前景外观，使其与背景区域保持一致，从而实现图像的协调。该数据集包含了四个子数据集：HCOCO、HAdobe5k、HFlickr和Hday2night，每个子数据集都包含了合成的复合图像、复合图像的前景掩模以及相应的真实图像。

2. 项目快速启动

环境准备

操作系统：Linux
Python版本：Python 3
硬件要求：CPU或配备CUDA CuDNN的NVIDIA GPU

克隆项目

首先，您需要克隆项目仓库：

git clone https://github.com/bcmi/Image-Harmonization-Dataset-iHarmony4.git
cd Image_Harmonization_Datasets

下载数据集

您可以从Baidu Cloud或OneDrive下载iHarmony4数据集。

安装依赖

安装PyTorch 1.2和其他依赖（例如torchvision、visdom和dominate）。

对于Conda用户，可以使用以下命令创建新的Conda环境：

conda env create -f environment.yaml

训练DoveNet

运行以下命令以启动DoveNet的训练：

./scripts/train_dovenet.sh

或者直接使用Python命令：

python train.py --dataset_root <path_to_iHarmony4_dataset> --name experiment_name --model dovenet --dataset_mode iharmony4 --is_train 1 --gan_mode wgangp --norm instance --no_flip --preprocess none --netG s2ad

记得在相应位置指定dataset_root和name。

测试DoveNet

运行以下命令以测试DoveNet：

./scripts/test_dovenet.sh

或者直接使用Python命令：

python test.py --dataset_root <path_to_iHarmony4_dataset> --name experiment_name --model dovenet --dataset_mode iharmony4 --netG s2ad --is_train 0 --norm instance --no_flip --preprocess none --num_test 7404

同样，记得在相应位置指定dataset_root和name。