Este codigo permite entrenar y testear una Cycle GAN (originalmente extraido de: https://github.com/hyunbo9/yonsei). Al final de la funcion train se puede especificar un path de Google Drive donde guardar los checkpoints del modelo. Los parametros mas importantes son:
- checkpoint_dir: Si continue_train es True, buscará en este path el checkpoint a cargar
- test_dir: Carpeta donde se guarda el test generado
- dataset_dir: Path donde se encuentra el set de entrenamiento o de test. Para train se necesitan las carpetas trainA y trainB (imagen joven y vieja respectivamente) y para test se necesitan testA y testB
- phase: Puede ser test o train
- which_direction: Puede ser BtoA o AtoB dependiendo si se busca envejecer o rejuvenecer
Este archivo tiene todo el pipeline para calcular el d-prime de un conjunto de imagenes, utilizando VGG-FACE como extractor de features y similaridad del coseno clasificador. Los unicos parametros importantes son las carpetas:
- type_pos: Aca van los pares de imagenes que son genuinas
- type_neg: Aca van los pares de imagenes que son impostores El código es bastante directo de correr, se puede encapsular en una funcion para probar distintos datasets.
Contiene un codigo para hacer denoising de una imagen. El parámetro h de la función fastNlMeansDenoisingColored (Es el 5to parámetro), regula la cantidad de denoising aplicado a la imagen
Código para crear las carpetas trainA, trainB, testA y testB a partir de las carpetas de imagenes del dataset para utilizar en el código de Cycle GAN
Código para crear las carpetas de genuinos e impostores para los datasets originales y los envejecidos/rejuvenecids por las GANs, estas carpetas se pueden usar directamente para calcular el d-prime en el archivo VGG-FACE