pix2pix在keras上的训练以及优化效果过程

2024-01-23 12:20

本文主要是介绍pix2pix在keras上的训练以及优化效果过程,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

pix2pix在keras上训练

  • 1 背景
  • 2 初步训练
  • 3 优化
    • 3.1. 工具类优化:
    • 3.2 算法类优化
  • 4. 优化效果
  • 5. 存在的问题
  • 6. 如果有什么建议可以评论联系我,一起来讨论下.

1 背景

pix2pix提供的示例是使用tensorflow,我我参考着来做了一个keras的实现,原项目中使用的是生成网络加上判别网络来提升生成网络,而我观察实际在训练中判别部分起到的作用比较小,所以我先尝试只使用生成网络来做训练.
具体的项目代码在:pix2pix-keras

2 初步训练

下图为迭代了80次之后在训练下的一个效果,纹理上是逐渐变清晰的.
在这里插入图片描述
但是问题是左上部分的几乎没到训练出效果.

3 优化

此问题的根本是在最后一层时左上部分的输出值过大.

为了定位解决此问题我尝试了几个角度的优化:

3.1. 工具类优化:

- 将所有layer的输出绘制成图像打出,用于观察在那一层开始出现的偏差
- 将所有layer的weight输出,用于观察是如何滚最后一层的时候出现过大数值.
- 将训练过程中每次样本产生梯度更新是的输入输出画出来观察是从那些步骤开始出现问题.
![将没一层输出可视化](https://img-blog.csdnimg.cn/2019122015281159.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hscG93ZXI=,size_16,color_FFFFFF,t_70)![将所有训练步骤产生的跟新全部打出来](https://img-blog.csdnimg.cn/20191220150910498.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hscG93ZXI=,size_16,color_FFFFFF,t_70)

工具类代码均更新在git上.

最终定位到是是部分样本上由于光照和裁剪的问题
如遇到以下的样本,对训练引起的偏差较大.
图片中最下层是容易一起训练跑偏的样本,分析如,周边有几个黑色三角型的剪裁.将建筑物遮挡过多,但输入是未处理这些遮挡
在这里插入图片描述

3.2 算法类优化

为了更好训练,我重新审核了一次训练样本,将其中比较差的样本剔除,然后调整loss从mse到mae,之前使用平方是为了加大对误差的灵敏度,后来发现最后输出的数值过小平方反而降低了训练效率.另外为了提高训练速度吧batch该为了2,这个是我的内存能够加载的上限.

4. 优化效果

loss曲线如下:
在这里插入图片描述
不同epho下测试数据上效果:
在这里插入图片描述
总的来说相对于之前的效果好了不少.

5. 存在的问题

我把测试集所有的建筑物全部过了一遍发现以下问题:

  1. 纹理特征还是有一点模糊.
  2. 会丢失一些建筑物特有特征,如屋檐,窗帘,阳台等
  3. 输出墙面基本都是以灰土色为主,原本建筑物可能是红色墙面
    在这里插入图片描述
    在这里插入图片描述
    原因分析:
  4. 细致话的特征样本较少,如阳台虽然都拿绿色标记,但是不同建筑物的阳台各有风格,少量的样本对这种细的纹理特征较难学习到.

6. 如果有什么建议可以评论联系我,一起来讨论下.

这篇关于pix2pix在keras上的训练以及优化效果过程的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/636390

相关文章

MySQL索引的优化之LIKE模糊查询功能实现

《MySQL索引的优化之LIKE模糊查询功能实现》:本文主要介绍MySQL索引的优化之LIKE模糊查询功能实现,本文通过示例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前缀匹配优化二、后缀匹配优化三、中间匹配优化四、覆盖索引优化五、减少查询范围六、避免通配符开头七、使用外部搜索引擎八、分

PyInstaller打包selenium-wire过程中常见问题和解决指南

《PyInstaller打包selenium-wire过程中常见问题和解决指南》常用的打包工具PyInstaller能将Python项目打包成单个可执行文件,但也会因为兼容性问题和路径管理而出现各种运... 目录前言1. 背景2. 可能遇到的问题概述3. PyInstaller 打包步骤及参数配置4. 依赖

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.

SpringBoot首笔交易慢问题排查与优化方案

《SpringBoot首笔交易慢问题排查与优化方案》在我们的微服务项目中,遇到这样的问题:应用启动后,第一笔交易响应耗时高达4、5秒,而后续请求均能在毫秒级完成,这不仅触发监控告警,也极大影响了用户体... 目录问题背景排查步骤1. 日志分析2. 性能工具定位优化方案:提前预热各种资源1. Flowable

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

将Mybatis升级为Mybatis-Plus的详细过程

《将Mybatis升级为Mybatis-Plus的详细过程》本文详细介绍了在若依管理系统(v3.8.8)中将MyBatis升级为MyBatis-Plus的过程,旨在提升开发效率,通过本文,开发者可实现... 目录说明流程增加依赖修改配置文件注释掉MyBATisConfig里面的Bean代码生成使用IDEA生

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

C# WinForms存储过程操作数据库的实例讲解

《C#WinForms存储过程操作数据库的实例讲解》:本文主要介绍C#WinForms存储过程操作数据库的实例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、存储过程基础二、C# 调用流程1. 数据库连接配置2. 执行存储过程(增删改)3. 查询数据三、事务处

JSON Web Token在登陆中的使用过程

《JSONWebToken在登陆中的使用过程》:本文主要介绍JSONWebToken在登陆中的使用过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录JWT 介绍微服务架构中的 JWT 使用结合微服务网关的 JWT 验证1. 用户登录,生成 JWT2. 自定义过滤