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。