Image-Harmonization-Dataset-iHarmony4 使用教程

Image-Harmonization-Dataset-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. 项目目录结构及介绍

本项目包含了用于图像调和的iHarmony4数据集，其目录结构如下：

Image-Harmonization-Dataset-iHarmony4/
├── data/                       # 存放数据集样本图片
├── examples/                   # 包含示例结果和可视化结果
├── DIH/                        # 某些内部使用的脚本和文件
├── DoveNet/                    # DoveNet模型的实现代码
├── color_transfer_methods/     # 颜色转换方法的实现代码
├── evaluation.py               # 评估模型性能的代码
├── LICENSE                     # 项目许可证文件
├── README.md                   # 项目说明文件
├── environment.yaml            # Conda环境配置文件
├── train.py                    # 模型训练脚本
├── test.py                     # 模型测试脚本
└── scripts/                    # 批处理脚本，用于启动训练和测试

每个目录和文件的详细介绍如下：

• data/：存储iHarmony4数据集的子数据集，包括合成的复合图像、前景掩码以及相应的真实图像。
• examples/：包含了模型应用示例的结果和可视化输出。
• DIH/：包含了数据集生成和处理的一些内部脚本和文件。
• DoveNet/：包含了DoveNet模型架构和训练的相关代码。
• color_transfer_methods/：包含了用于图像颜色转换的各种方法的实现代码。
• evaluation.py：一个Python脚本，用于在测试集上评估模型的性能。
• LICENSE：项目的MIT许可证文件。
• README.md：项目的Markdown格式说明文件，包含了项目的基本信息和如何使用指南。
• environment.yaml：Conda环境配置文件，用于创建项目所需的环境。
• train.py：Python脚本，用于训练DoveNet模型。
• test.py：Python脚本，用于测试训练好的模型并输出结果。
• scripts/：包含了用于简化模型训练和测试流程的bash脚本。

2. 项目的启动文件介绍

项目的启动主要通过scripts/目录下的脚本进行。以下是两个主要的启动文件：

• train_dovenet.sh：用于启动DoveNet模型的训练过程。该脚本会调用train.py脚本，并传递相应的参数以开始训练。
• test_dovenet.sh：用于启动DoveNet模型的测试过程。该脚本会调用test.py脚本，并传递相应的参数以在测试集上评估模型性能。

3. 项目的配置文件介绍

项目的配置主要通过train.py和test.py脚本中的参数进行。以下是两个脚本中一些重要的配置选项：

• dataset_root：一个字符串，指定iHarmony4数据集的根目录。
• name：一个字符串，用于指定实验的名称，这个名字会被用于保存训练和测试的结果。
• model：一个字符串，指定使用的模型架构，例如dovenet。
• dataset_mode：一个字符串，指定数据集的模式，例如iharmony4。
• is_train：一个整数，用于指定是进行训练（1）还是测试（0）。
• gan_mode：一个字符串，用于指定生成对抗网络（GAN）的模式。
• norm：一个字符串，指定使用的归一化方法，例如instance或batch。
• no_flip：一个布尔值，指定是否在训练时对图像进行水平翻转。
• preprocess：一个字符串，指定图像预处理的方法。
• netG：一个字符串，指定生成器模型的架构。
• num_test：一个整数，指定测试图像的数量。

这些配置选项可以在脚本中的命令行参数中指定，也可以在脚本内部作为变量进行设置。正确配置这些选项对于模型的训练和测试至关重要。

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