ImageInpaint-Tensorflow

图像修复

介绍

数据集

图像修复高使用率数据集总结

使用说明

安装环境

• Python3.6
• Tensorflow1.4或者更高的版本，除了tensorflow2.0
• Opencv
• numpy
• scipy
• easydict

训练

对于给定的数据集，训练阶段分为两部分。首先使用confidence-driven reconstruction损失预训练整个网络，然后在前一阶段收敛后使用adversarial 和ID-MRF loss进行训练。

1. pretrain

python train.py --dataset [DATASET_NAME] --data_file [DATASET_TRAININGFILE] --gpu_ids [NUM] --pretrain_network 1 --batch_size 16

2. finetune

python train.py --dataset [DATASET_NAME] --data_file [DATASET_TRAININGFILE] --gpu_ids [NUM] --pretrain_network 0 --load_model_dir [PRETRAINED_MODEL_PATH] --batch_size 8

参数说明：

• DATASET_TRAININGFILE：训练集文件，包含所有的训练图像的地址，可以使txt文件
• mask_type：掩膜类型

测试

1. 下载预训练模型：paris_streetview，CelebA-HQ_256，CelebA-HQ_512，Places2。注意一点是这是谷歌云盘，需要科学上网。
2. 解压预训练模型到./checkpoints下，当然也可以选择其他文件夹
3. 调用test.py文件，然后设定--dataset_path和--load_model_dir后即可：

python test.py --dataset paris_streetview --data_file ./imgs/paris-streetview_256x256/ --load_model_dir ./checkpoints/paris-streetview_256x256_rect --random_mask 0

TODO

• 修改测试过程中的图像resize
• 修改训练过程中的训练数据显示
• 修改网络的输入过程：输入ground_true和gound true with mask，而不是random mask

参考

1. Code: Image Inpainting via Generative Multi-column Convolutional Neural Networks
2. Paper:Image Inpainting via Generative Multi-column Convolutional Neural Networks