PortraitNet-paddle[论文复现]

数据准备

原数据需要进行一定的筛选和处理才能使用，已经处理好的版本发布在aistudio，需要的话可以下载并解压缩在任意目录即可

目录结构如下

|--EG1800 or Supervisely_face
    |--img
        |--xxx.jpg
    |--mask
        |--xxx.jpg
    |--train_list.txt
    |--val_list.txt

如果需要重写dataset，可以使用transform类中的数据增强方式，具体介绍参见aistudio项目

调用训练脚本可以使用如下命令

python train.py --edge --kl --epoch 10 --lr 0.001 --batch_size 32 --data_root [你的数据集路径] (例如:data/Supervisely_face/)
--edge表示采用边缘分支
--kl表示采用kl散度损失

调用验证模型可以采用如下命令

python val.py --model_path model_zoo/supervise_face.pdparams --batch_size 32 --log_iter 10 --data_root [你的数据集路径] (例如:data/Supervisely_face/)

模型	数据集	MIOU	下载地址
PortraitNet-MobileNetV2	EG1800	95.12%	aistudio
PortraitNet-MobileNetV2	Supervisely_face	93.83%	aistudio