环境依赖及一些问题

[gaofei8704]

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：

• [1 ] - 一开始需要先预处理下初始样本，比如把标准正样本的PCB部分剪切出来作为原始样本？先训练一遍后，得到项目中的：Discriminator_5.pth这个模型后，
• [2 ] - 再通过CutTarget.py批量的进行图像分割，并且把分割的图像放到项目中cut_imgs文件夹，进行VAE_GAN_train训练。
• [3 ] - 最后在项目使用的过程是通过main程序进行：先通过CutTarget切割出检测样本，在通过VAE_GAN生成图片，之后在进行样本和生成结果的比对。

不知我理解的对不对？还请不吝赐教！
感谢！

[DEVILENMO]

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：

1. 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。
2. 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：

1. 使用SAM分割输入图片。
2. 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。
3. 使用VAE进行重建。
4. 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！