Task2:利用 Basnet 将Task1中的所有图片转化为显著性图片

Task2:利用 Basnet 将Task1中的所有图片转化为显著性图片

1. 什么是显著性检测？

显著性检测的目的是识别图像中最吸引人注意的区域（显著性区域）。对于你的任务，就是将普通图片转换为突出主要对象的显著性图。

输入：普通图片 → 输出：显著性热力图（黑白或彩色）

2. BASNet 简介

BASNet (Boundary-Aware Salient Object Detection) 是一个先进的显著性检测模型：

• 优点：边缘保持好，细节丰富
• 适用性：适用于各种类型的图像
• 预训练模型：已有在大型数据集上训练好的模型

3.具体操作

代码链接：https://github.com/NathanUA/BASNet.

这里我把BASNet文件下载下来放在D盘，然后我在Anaconda Prompt中创建虚拟环境，先用/d D:\MyJupyter\TASK\BASNet转到BASNet目录下，采用conda activate basnet命令创建besnet虚拟环境，然后打开jupyter notebook

我的网络无法正常访问 PyPI 官方服务器（pypi.org），SSL 证书验证失败。

在虚拟环境中使用国内镜像源来安装：

pip install numpy scikit-image torch torchvision pillow -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

这个错误是输出目录不存在导致的。程序试图保存结果图片，但是指定的目录路径不存在。经过检查是save_output函数有问题

def save_output(image_name, pred, d_dir):
    predict = pred
    predict = predict.squeeze()
    predict_np = predict.cpu().data.numpy()

    im = Image.fromarray(predict_np*255).convert('RGB')
    
    # 读取原始图像获取尺寸
    original_image = io.imread(image_name)
    
    # 调整到原始图像尺寸
    imo = im.resize((original_image.shape[1], original_image.shape[0]), resample=Image.BILINEAR)
    
    # 创建输出目录（如果不存在）
    os.makedirs(d_dir, exist_ok=True)
    
    # 提取纯文件名（不带路径）
    img_basename = os.path.basename(image_name)
    output_filename = os.path.splitext(img_basename)[0] + '.png'
    
    # 保存文件
    output_path = os.path.join(d_dir, output_filename)
    imo.save(output_path)
    print(f"Saved: {output_path}")

将原本的代码改成如上。

接下来直接在jupyter中运行BASNet_test.ipynb（在BASNet/demo/中 ），直接运行第五个单元格。

可以在test_images中添加自己的图片，进行测试。