Deeply supervised salient object detection with short connections 论文复现

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。