https://github.com/trickygo/jittor-trickysightseeing-landscapeimagegeneration
第二届计图人工智能竞赛三等奖（Scene Image Generation Track）
https://github.com/trickygo/jittor-trickysightseeing-landscapeimagegeneration
Last synced: over 1 year ago
JSON representation
第二届计图人工智能竞赛三等奖（Scene Image Generation Track）
- Host: GitHub
- URL: https://github.com/trickygo/jittor-trickysightseeing-landscapeimagegeneration
- Owner: TrickyGo
- Created: 2022-07-15T10:06:42.000Z (about 4 years ago)
- Default Branch: main
- Last Pushed: 2023-09-11T05:50:10.000Z (almost 3 years ago)
- Last Synced: 2025-01-25T17:33:14.362Z (over 1 year ago)
- Language: Python
- Homepage:
- Size: 49.8 KB
- Stars: 1
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# jittor-TrickySightseeing-LandscapeImageGeneration
# Jittor 草图生成风景比赛
## 简介
本项目包含了TrickySightseeing小队的草图生成风景比赛的代码实现。 获第二届计图人工智能竞赛三等奖（Scene Image Generation Track），10,000 RMB 奖金。
## 安装
本项目可在 1 张 A100 上运行，batch_size=10。
## 运行环境
- ubuntu 20.04 LTS
- python >= 3.7
- jittor >= 1.3.0
## Part1: Random Sampling Model
### 训练（包含推理）
单卡训练可运行以下命令：
```
bash scripts/train.sh
```
在每一个epoch训完后会进行测试集推理。
### 推理
单卡推理可运行以下命令：
```
bash scripts/test.sh
```
即可load位于'results/saved_models/'中的预训练模型进行测试，并将测试结果保存至'results/'
## Part2: Part-level Style Transfer Model
### 为风格迁移寻找合适的参考图片（具有相同的标签组）
首先需要分别为训练集和测试集执行：
```
python check_semantics.py
```
以分别生成val_semantics_list.data和training_semantics_list.data，包含了图片的标签组信息。
然后执行：
```
python find_match.py
```
寻找合适的参考对应关系，保存在match_dict.data中。
### 训练（包含推理）
单卡训练可运行以下命令：
```
bash scripts/train_model_for_transfer.sh
```
在每一个epoch训完后会进行测试集推理。
### 推理（风格迁移）
单卡推理可运行以下命令：
```
bash scripts/transfer.sh
```
即可load位于'results/saved_models/'中的预训练模型进行风格迁移，并将测试结果保存至'results/'