论文《Instance-level Human Parsing via Part Grouping Network》复现
论文《Instance-level Human Parsing via Part Grouping Network》复现
资料准备
- 论文地址：https://arxiv.org/pdf/1808.00157.pdf
- 项目地址：https://github.com/Engineering-Course/CIHP_PGN
- 说明：此篇博客是根据原论文公开项目中的issues和readme.md整合学习实现的论文复现
环境配置
-
Step 0：首先这个公开的项目是没有关于环境配置的说明，所以在项目的issues里面有很多关于环境的问题，我看了下这些issues和在github上找到的另外一个项目中的requirements.txt结合服务器已经配置好的cuda$cudnn环境最终的项目环境为：
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：详细的环境截图为：
说明：配置环境期间会遇到很多包不兼容的情况，请细心慢调...
运行前准备
-
Step 0：按照原项目中的步骤1准备好预训练模型解压后放在
$HOME/checkpoint; -
Step 1：准备数据集；如果没有用matlab对数据集中的图片进行提前的处理就运行test_pgn.py会报错，因此我翻看了下原项目中的关于这个数据集准备的一些iusses整理的操作步骤如下：
-
Step 2：如果没有matlab需要安装一个，可参照我之前的博客
-
Step 3： datasets的文件结构如下：
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说明：
-
datasets/CIHP/images/0002190.png为原图； -
datasets/CIHP/list/img_list.txt中的内容为0002190.png -
datasets/CIHP/images/tool/logwell_script.m中的内容为：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：按照原项目文件
datasets/CIHP/list/的txt的格式修改，留下关于0002190.png图片的信息； -
Step 5：运行logwell_script.m；一般来说终端中输入matlab就进入了matlab命令行中，输入命令行
run logwell_script.m就可以运行了，也可参照issues中的matlab运行命令行； -
Step 6：如果在
datasets/CIHP/images/edges&datasets/CIHP/images/labels文件中均发现有新的文件那么这以上的操作就算成功了；
test_pgn.py运行
-
Step 0：直接终端中输入
python test_pgn.py出现success字样就算成功了； -
Step 1：在目录
CIHP_PGN-master/下会出现output文件夹，里面就是运行的结果图。
test_pgn.py运行结果
-
Step 0：第一组结果如下：（说明：由于项目的需求，我测试了原图是灰度图的结果和彩色图结果是一样的）
-
Step 1：第二组结果如下：
