PortraitNet-paddle[论文复现]
PortraitNet论文复现 aistudio项目地址
数据准备
原数据需要进行一定的筛选和处理才能使用，已经处理好的版本发布在aistudio，需要的话可以下载并解压缩在任意目录即可
目录结构如下
|--EG1800 or Supervisely_face
|--img
|--xxx.jpg
|--mask
|--xxx.jpg
|--train_list.txt
|--val_list.txt
如果需要重写dataset，可以使用transform类中的数据增强方式，具体介绍参见aistudio项目
训练模型
调用训练脚本可以使用如下命令
python train.py --edge --kl --epoch 10 --lr 0.001 --batch_size 32 --data_root [你的数据集路径] (例如:data/Supervisely_face/)
--edge表示采用边缘分支
--kl表示采用kl散度损失
验证模型
调用验证模型可以采用如下命令
python val.py --model_path model_zoo/supervise_face.pdparams --batch_size 32 --log_iter 10 --data_root [你的数据集路径] (例如:data/Supervisely_face/)
模型库
| 模型 | 数据集 | MIOU | 下载地址 |
|---|---|---|---|
| PortraitNet-MobileNetV2 | EG1800 | 95.12% | aistudio |
| PortraitNet-MobileNetV2 | Supervisely_face | 93.83% | aistudio |
Todo List
- 添加直接使用的分割demo
- 添加更多backbone的模型