【源码】基于PaddlePaddle框架的图像修复系统

项目简介

本项目是基于PaddlePaddle框架的开源项目，聚焦于图像修复任务。它复现了论文 Generative Image Inpainting with Contextual Attention 提出的算法，还参与了百度论文复现竞赛。

项目的主要特性和功能

1. 具备图像修复能力，运用深度学习方法修复图像中缺失或损坏区域，保证生成内容与周围区域一致。
2. 融合传统图像修复方法与卷积神经网络，利用上下文注意力机制提取图像相似特征，生成缺失区域内容。
3. 采用多尺度生成器设计，通过粗生成器和精细生成器逐步生成粗糙和精细结果，提升修复质量。
4. 使用双判别器评估，采用局部判别器和全局判别器评估生成图像质量，增强修复的真实性与一致性。
5. 进行多元损失函数优化，使用多种损失函数（如 WGAN 损失、重构损失等）优化模型，提高生成图像质量。

安装使用步骤

环境准备

确保已安装 PaddlePaddle 框架及相关依赖库。

数据准备

准备训练和测试所需的数据集，如 Place2 数据集。

配置文件

编辑配置文件（configs/config.yaml），设置训练参数和模型结构。

训练模型

运行python train.py进行模型训练，模型和优化器将保存在checkpoints目录，过往训练日志可在train.txt查看。

测试模型

运行python test.py进行模型测试。可在test.py中更改总测试数量，在tester.py中更改测试模型，测试日志会记录在test.txt中。

模型评估

通过计算 L1 损失、L2 损失和 PSNR（峰值信噪比）等指标评估模型生成的图像质量。

模型保存和加载

使用trainer.py中的save_model和resume方法进行模型保存和加载。

预训练模型

可从以下链接获取预训练模型： 链接：https://pan.baidu.com/s/16uKEXhe71AxLeOnakQ32Rg 提取码：x4tr

注意事项

运行脚本前，要确保所有依赖库已正确安装，并按需调整配置文件中的参数。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】