Open gaofei8704 opened 2 months ago
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。
训练代码主要位于VAE_GAN_train.py
中:
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。预测流程位于main.py
中:
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
。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!