global-and-local-consistent-image-completion-base-on-matconvnet

说明

使用matconvnet实现Globally and locally consistent image completion

1. 运行前需要先安装matconvnet，matconvnet主页在这里（本项目在matconvnet 1.0-beta25上搭建），matconvnet安装在matlab的toolbox文件夹下；

2. 安装好matconvnet之后，将本项目中的文件复制到matconvnet的examples文件夹下（可以先在example文件夹中创建一个新文件夹，再将文件复制到其中）

3. 项目文件的训练的入口函数是glcic_train()，直接运行glcic_train.m开始训练；

4. 在训练过程中会保存当前训练的部分修复结果，即网络对训练数据的修复结果，作为参考使用，这部分的代码在process_epoch函数中

注意事项

使用多gpu训练网络

• 先要运行vl_setupnn.m，也就是把下面这些路径添加到matlab path中，然后重启matlab

root = vl_rootnn() ;
addpath(fullfile(root, 'matlab')) ;
addpath(fullfile(root, 'matlab', 'mex')) ;
addpath(fullfile(root, 'matlab', 'simplenn')) ;
addpath(fullfile(root, 'matlab', 'xtest')) ;
addpath(fullfile(root, 'examples')) ;

• 不要将compatibility这个文件夹的内容添加到path中，文件夹中的labindex.m和numlabs.m会使程序无法正常获取到多个core
• 如果运行程序的时候出现下面类似的错误，可以将涉及到的函数移动到一个临时文件夹中。

Attempt to execute SCRIPT vl_imreadjpeg as a function:
    /home/liyanran/Desktop/MATLAB/R2017a/toolbox/matconvnet-1.0-beta25/matlab/vl_imreadjpeg.m

这些影响到程序运行的文件都只是脚本，其完整的功能在mex文件夹对应的程序文件中，所以移动这些.m文件不会影响到程序的运行。移动之后再次将matlab文件夹进行addpath，再重启matlab。

root = vl_rootnn() ;
addpath(fullfile(root, 'matlab')) ;

参考文献

1. Ishikawa H, Ishikawa H, Ishikawa H. Globally and locally consistent image completion[M]. ACM, 2017.
2. "MatConvNet - Convolutional Neural Networks for MATLAB", A. Vedaldi and K. Lenc, Proc. of the ACM Int. Conf. on Multimedia, 2015.
3. https://github.com/hbilen/mcnDCGAN