Progressive Pose Attention for Person Image Generation代码使用 | 您所在的位置:网站首页 › person image › Progressive Pose Attention for Person Image Generation代码使用 |
论文:Progressive Pose Attention Transfer for Person Image Generation 代码:https://github.com/tengteng95/Pose-Transfer 以market为例: 1、 首先下载market数据库,重命名bounding_box_train和 bounding_box_test 为 train 和 test, 然后建立market_data文件夹,将数据放在里面。 2、在 tool/compute_coordinates.py里面,修改input_folder(原图像路径) 和output_path(保存的路径名称)连个路径,并下载别人预训练的检测器,运行即可获得图像的18个关键点,每个关键点包括x和y轴坐标,并保存为.cvs文件(market-annotation-test.csv or market-annotation-train.csv)。(注:该文件原本使用的Python2,在如若在set或者list前面出错,加上list()即可将Python3的语法转化为Python2的语法) 3、 python tool/generate_pose_map_market.py 利用该函数生成姿态热图,其保存为的是 .npy (其大小为128 * 64 * 18)(trainK)。需要设置好原始图像(train)路径和对应的关键点的路径(market-annotation-train.cvs) market-pairs-test.csv里面包含的是12000对图像的名称,每一对包含一个原图像(Pc)个一个目标图像(Pt) market-pairs-test.csv里面包含263,632对图像名称,每一幅图像都对应了相同标签的不同图像。 4、 python tool/create_pairs_dataset.py利用该函数组合图像对,每个队中有一个原始图像名称,一个需要转化的目标图像名称,需要market-annotation-train.cvs数据,并设置保存名称example-market-pairs-train.cvs。组合方式,假如标签A有30幅图像,进行两两组合,共有870对组合方式用以训练。 5、 利用train.py进行训练,需要的数据是原图像train,姿态热图trainK(.npy)以及market-pairs-train.csv文件。 6、 利用test.py进行测试,产生生成的图像,需要准备好原始图像test,对应目标图像的pose heat map(testK),market-pairs-test.csv。 |
CopyRight 2018-2019 实验室设备网 版权所有 |