Pyramid-Feature-Attention-Network-for-Saliency-detection论文复现

背景介绍

这两天学习attention机制，看到了这篇文章，就看了看文章和他的代码，代码有些地方没有注明，使用起来难度较大，故在这里写一下这篇文章的代码复现。话不多说，开始展示。

论文信息

代码地址：github地址
论文地址：arxiv地址
ECSSD数据集：ECSSD dataset 地址
参考链接：github地址
参考链接：github地址

实现难点

1. 缺少两个文件（可能是我没看懂作者的代码，比如cvpr2019——PFA里 get_list.py 可能是产生 train_pair.txt 的，但我确实没操作出来；
2. 部分语句有点问题；
3. python3和python2 的print语句差别
4. 数据集不完整
   PS（我解决了这些我认为是问题的问题，可能作者在文档中有相关文件，可能是我没看到，我只是按照我的方法实现了结果复现）

问题1 缺少两个文件

从github上下载代码，点击Download ZIP
解压出来
文件目录大致如下

这里呢，相对于下载下来的目录是多了两个文件的，换句话说，下载下来的代码中是没有以下两个文件的，用下面的代码新建一个generate_train_file.py文件即可。

1. generate_train_file.py # 用于生成train_pair.txt
2. train_pair.txt # 用于读入数据

generate_train_file.py 代码

generate_train_file.py 用于生成指定数据集的 train_pair.txt. 因为train.py通过调用 data.py 里面的getTrainGenerator函数实现对数据的遍历，所以针对不同的数据集，需要生成不同的train_pair.txt

import os
dataset_root = "cvpr2019_PFA/ECSSD"#此处使用的是ECSSD数据集，也可以换成其他的
img_list = []
def check_num_images()：
	jpg_count = 0
 	gt_count = 0
 	for root, dirs, files in os.walk(dataset_root):
 		 for fname in files:
   			if 'jpg' in fname:
    				jpg_count+=1
   				 img_list.append(fname[:-4])
 			if 'png' in fname:
    				 gt_count+=1
    print ("num of images: {}, num of GT maps: {}".format(jpg_count, gt_count))
check_num_images()
with open("train_pair.txt", 'w+') as fout:
	for img in img_list:
  		img_path = os.path.join(dataset_root, img)
		fout.write(f'{
     img_path}.jpg {
     img_path}.png\n')