栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

FID指标复现踩坑避坑 文本生成图像FID定量实验全流程复现(Fréchet Inception Distance )定量评价实验踩坑避坑流程

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

FID指标复现踩坑避坑 文本生成图像FID定量实验全流程复现(Fréchet Inception Distance )定量评价实验踩坑避坑流程

目录
  • 一、FID分数简介
  • 二、FID分数 CUB定量实验步骤
    • 2.1、下载FID计算代码
    • 2.2、下载FID预训练好的模型
    • 2.3、修改代码
    • 2.4、输入终端命令

一、FID分数简介

FID全称为:Fréchet Inception Distance。

FID分数用于根据预训练网络提取的特征,测量真实图像分布和生成图像分布之间的距离。真实图像在空间中是服从一个分布的(假设为正态分布),而GAN生成的特征也是一个分布,GAN做的事情就是不断训练使这两个分布尽可能的相同。FID就是计算这两个分布直接的距离,使用的距离算法叫做Frechet distance。

FID计算两个分布之间的距离,距离越小代表生成的分布越贴近于真实分布,故FID越小越好。

二、FID分数 CUB定量实验步骤 2.1、下载FID计算代码

github下载:https://github.com/MinfengZhu/DM-GAN/tree/master/eval/FID


将其放入code目录中

2.2、下载FID预训练好的模型

谷歌云盘链接:https://drive.google.com/file/d/1747il5vnY2zNkmQ1x_8hySx537ZAJEtj
CSDN链接:FID训练好的模型 针对CUB-birds的FID预训练模型

下载后是一个npz文件,将其放入指定文件夹位置

2.3、修改代码

打开img_data.py,定位到43行左右,将path改为自己的netG所在的路径:

if __name__ == '__main__':
    path = "/models/bird/netG.pth"
    batch_size = 16
    dataset = Dataset(path, transforms.Compose([
        transforms.Resize(299),
        transforms.ToTensor(),
        transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
        # transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
    ]))
2.4、输入终端命令

打开终端,输入命令为:python fid_score.py --gpu 0 --batch-size 24 --path1 eval/FID/bird_val.npz --path2 ../test/valid/single
其中后面的两个参数path1代表你放FID预训练的模型所在位置,path2代表你放生成的图片的位置。

运行后显示:

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/892529.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号