DEVILENMO
commented
2 months ago 你好，对于你提出的问题：
1. PCBDiscriminator与TargetDiscriminator
之前重命名时出现了一些问题，PCBDiscriminator实际上就是TargetDiscriminator。当一张图片输入到SAM后，会分割出多个mask。为了判断哪个mask是真正的目标，我们使用了VAE-GAN中的辨别器去依次判断每一个mask是否正确，这一点是通过为辨别器预测的概率设置一个阈值来实现的。
2. 训练流程
训练代码主要位于VAE_GAN_train.py中：
- 使用
CutTarget.py对原始样本（背景有不同花纹或干扰的图片）进行手动分割。分割完成后应该得到一张空白底图和分割出来的物体（在我们的例子中是PCB板），如最后的结果图所示。 - VAE-GAN使用分割后的图像进行训练，获取辨别器模型和VAE模型，VAE用于生成无缺陷图像，辨别器用于判断SAM分割的结果是否正确。
3. 预测流程
预测流程位于main.py中：
- 使用SAM分割输入图片。
- 使用TargetDiscriminator判断分割出的部分是否为目标，如果是则进行后续操作。
- 使用VAE进行重建。
- 基于图像减法对比原始图像与重建图像。
4. 其他说明
- PCBDiscriminator的名称错误已修改。
- 已附加使用PyCharm直接生成的
requirements.txt。如果环境有缺失，我可以再使用pip freeze的方式重新生成一份requirements.txt。 - 我们自己使用的版本与Git仓库中的版本是不一样的，因此如有其他命名错误等，欢迎后续反馈，我会进行修正。
如有任何问题或建议，欢迎随时与我沟通。希望这个说明对你有所帮助！
大佬你好：我们最近也遇到负样本不足的情况，想参考此项目思路进行实践，能否提供下程序的环境和相关包的版本，给个requirements list。
另外还有以下几个问题： 1、在readme中第一步是使用 CutTarget.py 文件来调用 Segment Anything Model (SAM) 自动分割图像中感兴趣的对象。但是在mian中有使用了一个PCBDiscriminator这个判别器（不知道跟TargetDiscriminator有什么区别？），这个也是通过VAE_GAN_train这个训练出来的么？ 2、在第二步中使用 VAE_GAN_train.py 脚本在分割后的图像上训练 VAE-CycleGAN 模型。所以训练前是否是需要通过CutTarget预处理样本？那么项目的实施步骤是不是这样的：
不知我理解的对不对？还请不吝赐教！ 感谢！