论文《Instance-level Human Parsing via Part Grouping Network》复现

目录

论文《Instance-level Human Parsing via Part Grouping Network》复现

资料准备

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：

未完待续...

参考文献

posted @ 2020-08-07 16:23  Jody9123  阅读(1020)  评论(1)  编辑  收藏  举报