DSS Model论文复现
《Deeply supervised salient object detection with short connections》这篇文章是南开大学程明明教程在2017年CVPR发的一篇Saliency Detection领域的Paper,主要是借鉴HED结构,引用了short connections的方式,在结果上有了很大的提高。
论文的paper和Code,请到作者的主页上查找:https://mmcheng.net/zh/code-data/
不得不说中国人工智能的发展真的越来越好了,特别在学术界越来越多中国人能够写出牛的paper。特别是在Saliency Dection领域,程明明教授发的paper质量很高,而且代码简洁、公布的也很及时,感觉中国的AI发展一定会越来越好。
接下来,我就着重说一下在复现过程中出的问题及解决方法。
环境的搭建:
使用Anaconda 3进行搭建:这个科学计算库真的很强,你只需要建一个环境,然后找着对应的包安装即可,还可以指定版本,简直就是傻瓜式安装。
tensorflow-gpu 1.1.0
CUDA 8.0
cudnn 6.0
python 3.6.7
复现代码时出现的问题及解决方法
1)搭建TensorFlow-gpu1.1.0环境:需要cudnn6.0+CUDA8.0+python3.6.7+anaconda3
2)创建csv文件,csv_generator.py 运行;直接在根目录下生成。
3)读取文件时由于GT图为png格式,所以使用tensorflow解析需要将decode_jpeg改为png。位置:train.py/ read_csv函数; label=tf.image.decode_png
4)计算图像的均值mean,使用cal_grb_mean,要注意不要使用带有中文的路径。
5)一直出现batch_op时大小不匹配的问题,通过opencv的resize直接将其尺寸改变。
6)resize后,已经调通。
7)tensorboard登陆网址后,数据not found,分析原因:中文路径错误的问题。
8)tensorboard复现过程(在这之前一定要activate tensorflow-gpu环境)中出现无法打开网址的问题,之后在输入目录末尾加上 --host=127.0.0.1
tensorboard --logir=/path --host=127.0.0.1
本篇文章仅用于学术交流和讨论,无任何商业用途。如果大家在复现的过程中有任何问题欢迎浏览讨论。