search

hellozhuo / pidinet

Code for the ICCV 2021 paper "Pixel Difference Networks for Efficient Edge Detection" (Oral).
Other
445 stars 69 forks source link

生成自己图片边缘 #29

Open SWPU-WuDan opened 2 years ago

SWPU-WuDan commented 2 years ago

我采用table5_pidinet-small.pth预训练模型生成自己图片的边缘图，为什么效果图这么不明显啊，感觉没检测到边缘呢。我查看文件名为 imge-epoch-019，是预训练模型没处理好吗？如何能达到本文展示的效果呢 48 842502_2 344968_90_-004 48 842502_2 344968_90_-004

zhuoinoulu commented 2 years ago

@Dan2869883375 有试过BSDS数据集吗？ 或者可以换table5_pidinet.pth 或tiny试试， 看是不是也不正常

SWPU-WuDan commented 2 years ago

感谢您的指导。使用table5_pidinet.pth可正常得出边缘图。但该算法好像对于纹理性较强的图片提取性较差。比如巴黎街景数据集中树、墙的边缘提取出现大量空白，以及您效果展示的第二张图片树叶提取。这是该网络本身问题还是预训练模型迭代次数（20次）少的原因？ 48 842502_2 344968_270_-004 48 842531_2 361158_90_-004 48 842737_2 347725_270_-004 48 842502_2 344968_270_-004 48 842531_2 361158_90_-004 48 842737_2 347725_270_-004

zhuoinoulu commented 2 years ago

@Dan2869883375 是的，table5_pidinet.pth对边缘的检测一般聚焦在那些能描述整个物体的“大轮廓”上，比如大树的轮廓，对于内部的细节纹理则不是很敏感。这应该和训练模型所用到的数据集有关，比如BSDS数据集，它们的ground truth一般也是对应那些大轮廓，局部的细节轮廓占比或者权重很小。 PiDiNet本身参数量比较小，在实验的时候，由于数据规模也比较小，10~20个epoch模型就会收敛了

doubleplusplus commented 1 year ago

我試了table5_pidinet.pth 和tiny，出來的結果還是和一樓的一樣：一片灰白的圖片。是什麼參數沒有設置對嗎？

doubleplusplus commented 1 year ago

我采用table5_pidinet-small.pth预训练模型生成自己图片的边缘图，为什么效果图这么不明显啊，感觉没检测到边缘呢。我查看文件名为 imge-epoch-019，是预训练模型没处理好吗？如何能达到本文展示的效果呢 48 842502_2 344968_90_-004 48 842502_2 344968_90_-004

我試了不同的pretrained model，結果都是這樣。請問你是怎麼解決的？

ShijieGeng commented 10 months ago

你好，我想问一下如何生成自己图片的edge map，参数应该如何设置。如果只把image放到 custom_images 文件夹下，会报没有找到文件的错误。