我正在尝试使用 this repo 的这个 SSIM 损失工具来恢复图像。

对于作者GitHub上原始示例代码的引用,我尝试了:

model.train()
for epo in range(epoch):
    for i, data in enumerate(trainloader, 0):
        inputs = data
        inputs = Variable(inputs)
        optimizer.zero_grad()
        inputs = inputs.view(bs, 1, 128, 128)
        top = model.upward(inputs)
        outputs = model.downward(top, shortcut = True)
        outputs = outputs.view(bs, 1, 128, 128)

        if i % 20 == 0:
            out = outputs[0].view(128, 128).detach().numpy() * 255
            cv2.imwrite("/home/tk/Documents/recover/SSIM/" + str(epo) + "_" + str(i) + "_re.png", out)

        loss = - criterion(inputs, outputs)
        ssim_value = - loss.data.item()
        print (ssim_value)
        loss.backward()
        optimizer.step()

然而,结果并没有像我预期的那样出现。在前 10 个 epoch 之后,打印的结果图像全是黑色的。
loss = - criterion(inputs, outputs) 是作者提出的,然而,对于经典的 Pytorch 训练代码,这将是 loss = criterion(y_pred, target) ,因此这里应该是 loss = criterion(inputs, outputs)

但是,我尝试了 loss = criterion(inputs, outputs) 但结果仍然相同。

谁能分享一些关于如何正确利用 SSIM 损失的想法?谢谢。

最佳答案

作者试图最大化SSIM值。
pytorch 损失函数和优化器工作的自然理解是减少损失。但 SSIM 值是质量度量,因此越高越好。因此作者使用loss = - criterion(inputs, outputs)您可以改为尝试使用loss = 1 - criterion(inputs, outputs)如本 paper 中所述。
使用 this repo 测试上述内容的修改代码(max_ssim.py)

import pytorch_ssim
import torch
from torch.autograd import Variable
from torch import optim
import cv2
import numpy as np

npImg1 = cv2.imread("einstein.png")

img1 = torch.from_numpy(np.rollaxis(npImg1, 2)).float().unsqueeze(0)/255.0
img2 = torch.rand(img1.size())

if torch.cuda.is_available():
    img1 = img1.cuda()
    img2 = img2.cuda()


img1 = Variable( img1,  requires_grad=False)
img2 = Variable( img2, requires_grad = True)

print(img1.shape)
print(img2.shape)
# Functional: pytorch_ssim.ssim(img1, img2, window_size = 11, size_average = True)
ssim_value = 1-pytorch_ssim.ssim(img1, img2).item()
print("Initial ssim:", ssim_value)

# Module: pytorch_ssim.SSIM(window_size = 11, size_average = True)
ssim_loss = pytorch_ssim.SSIM()

optimizer = optim.Adam([img2], lr=0.01)

while ssim_value > 0.05:
    optimizer.zero_grad()
    ssim_out = 1-ssim_loss(img1, img2)
    ssim_value = ssim_out.item()
    print(ssim_value)
    ssim_out.backward()
    optimizer.step()
    cv2.imshow('op',np.transpose(img2.cpu().detach().numpy()[0],(1,2,0)))
    cv2.waitKey()

关于python - 在我的模型中使用 Pytorch SSIM 损失函数,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/53956932/

10-11 21:58