Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

生成自己图片边缘 #29

Open
SWPU-WuDan opened this issue Mar 31, 2022 · 8 comments
Open

生成自己图片边缘 #29

SWPU-WuDan opened this issue Mar 31, 2022 · 8 comments

Comments

@SWPU-WuDan
Copy link

我采用table5_pidinet-small.pth预训练模型生成自己图片的边缘图,为什么效果图这么不明显啊,感觉没检测到边缘呢。我查看文件名为 imge-epoch-019,是预训练模型没处理好吗?如何能达到本文展示的效果呢
48 842502_2 344968_90_-004
48 842502_2 344968_90_-004

@zhuoinoulu
Copy link
Collaborator

@Dan2869883375 有试过BSDS数据集吗? 或者可以换table5_pidinet.pth 或tiny试试, 看是不是也不正常

@SWPU-WuDan
Copy link
Author

感谢您的指导。使用table5_pidinet.pth可正常得出边缘图。但该算法好像对于纹理性较强的图片提取性较差。比如巴黎街景数据集中树、墙的边缘提取出现大量空白,以及您效果展示的第二张图片树叶提取。这是该网络本身问题还是预训练模型迭代次数(20次)少的原因?
48 842502_2 344968_270_-004
48 842531_2 361158_90_-004
48 842737_2 347725_270_-004
48 842502_2 344968_270_-004
48 842531_2 361158_90_-004
48 842737_2 347725_270_-004

@zhuoinoulu
Copy link
Collaborator

@Dan2869883375 是的,table5_pidinet.pth对边缘的检测一般聚焦在那些能描述整个物体的“大轮廓”上,比如大树的轮廓,对于内部的细节纹理则不是很敏感。这应该和训练模型所用到的数据集有关,比如BSDS数据集,它们的ground truth一般也是对应那些大轮廓,局部的细节轮廓占比或者权重很小。
PiDiNet本身参数量比较小,在实验的时候,由于数据规模也比较小,10~20个epoch模型就会收敛了

@doubleplusplus
Copy link

我試了table5_pidinet.pth 和tiny,出來的結果還是和一樓的一樣:一片灰白的圖片。是什麼參數沒有設置對嗎?

@doubleplusplus
Copy link

我采用table5_pidinet-small.pth预训练模型生成自己图片的边缘图,为什么效果图这么不明显啊,感觉没检测到边缘呢。我查看文件名为 imge-epoch-019,是预训练模型没处理好吗?如何能达到本文展示的效果呢
48 842502_2 344968_90_-004
48 842502_2 344968_90_-004

我試了不同的pretrained model,結果都是這樣。請問你是怎麼解決的?

@ShijieGeng
Copy link

你好,我想问一下如何生成自己图片的edge map,参数应该如何设置。如果只把image放到 custom_images 文件夹下,会报没有找到文件的错误。

@LeiXuAI
Copy link

LeiXuAI commented Oct 23, 2024

我采用table5_pidinet-small.pth预训练模型生成自己图片的边缘图,为什么效果图这么不明显啊,感觉没检测到边缘呢。我查看文件名为 imge-epoch-019,是预训练模型没处理好吗?如何能达到本文展示的效果呢
48 842502_2 344968_90_-004
48 842502_2 344968_90_-004

我試了不同的pretrained model,結果都是這樣。請問你是怎麼解決的?

你解决了吗? 我试下来目前也是这样。好奇怪。

@TingFeng-7
Copy link

为啥模型一次性预测5个结果,分别对应的是什么呢,检测强度??

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Labels
None yet
Projects
None yet
Development

No branches or pull requests

6 participants