-
最终提交版本说明
我们尝试了使用VGG直接回归关键点坐标和基于Yolo**的方法
YolobasedModel并不是先画出检测框，再裁剪图像。而是使用yolo的**将图像划分为若干个格子，每个格子提若干个坐标点。并经过筛选。
经过试验，这种方法效果并不理想。可能是因为关键点相对集中在少数几个格子里，大多数格子得不到训练。
最终提交的版本是基于faster-RCNN和coco预训练权重，检测服装位置，裁剪后进行vgg19回归。
最终在初赛中取得了127/2332的成绩，未进入第二轮的复赛，作为一个baseline进行开源，如果有疑问请提issue。
以下说明均为VGG方法的说明。
-
Requirement
- Python 3.6.5
- Tensorflow-GPU 1.7.0
- Keras 2.1.5
- Numpy 1.14.2
- Pillow 5.1.0
- Pandas 0.22.0
- Scikit-image 0.13.1
- Scikit-learn 0.19.1
- Pycocotools 2.0 - 需要源码编译安装，不能直接使用pip
-
预处理步骤
-
ReshapeImages
- 由 croded_data_generator.py 脚本处理原始图像数据，将图像都处理为512x512的尺寸
- 原始图像某一方向（宽或高）不足512的，使用像素值为0的黑色像素点填补至原始图像两侧（原始图像位于中心）
- 同时对关键点坐标进行变换（x或y方向增加一个值）
- 坐标变换结果写入train.csv和test.csv，并增加填补黑边宽度（高度）数据，用于预测时还原坐标
-
CropAndResize
- 使用基于coco训练的MaskRCNN模型，分割填补图像，得到服装目标的左上角坐标(X1,Y1)和右下角坐标(X2,Y2)
- 对于未能检测出服装目标的图像，坐标值设为(0,0,0,0)
- 若(X1,Y1,X2,Y2)不为0，则在训练过程的生成器中实时地裁剪图像、并二次填补黑边，使其保持512x512的尺寸。
- 将reshapeImage步骤的坐标变换结果继续写入train.csv和test.csv，并增加(X1,Y1,X2,Y2)信息，用于预测时还原坐标
-
-
训练步骤
-
模型设计**：使用vgg19模型直接回归出24组坐标值.计算loss时考虑可见性。
-
执行方式：python3 Train.py
-
Losses.py - 在Keras框架中自定义Loss函数，实际上就是评估指标NE的实现。
-
Model.py - 基于vgg19定义了深度模型，由于评估指标中不考虑可见性的预测精度，输入(512,512,3),输出(24,2)
-
Utils.py - 本项目使用fit_generator方法，使用python生成器无限生成数据，生成器及NP计算的步骤，定义于此。按照指定的batch_size，返回一组X,y数据，图像像素值被调整至[0,1]，X.shape=(batch, 512, 512, 3)，y.shape=(batch, 25, 3)，其中y[:,-1,:]为当前图像的NP数据，为匹配输出数组的形状，repeat了3份
-
Train.py - 训练代码，使用ImageNet训练的vgg19预训练权重做迁移学习，使用SGD优化器，在训练过程中定时保存checkpoint模型权重。具体参数见代码。
-
-
预测步骤
-
Predict.py - 预测图像关键点坐标。模型预测的关键点坐标，实际上是针对填补+裁剪+填补的图像的，需要经过反向的坐标计算，将预测的点映射至原始图像的坐标空间中。并将[24,2]的输出补充可见性维度，用以和提交格式相匹配。
-
执行方式：python3 Predict.py
-
此外，Predict脚本中还包含img_type_filter。模型会对每一幅图像都预测出24个坐标点，但实际上每一类别只需要一部分坐标，这个函数就是用来将不需要的坐标数据替换为-1，并在坐标值明显不合理（例如小于0或大于512）时，使用该类别图像在该点处的坐标均值替换。但实际上这一替换步骤并未生效。
-
