TensorFlow=2.3 Python=3.8 pygame opencv-python tqdm
将字体文件放入'./fonts/fonts_243'路径下, 运行font2img.py,生成80×80的图片:
python font2img.py
将font2img.py中96行和第99行分别改为:
img_path = 'images_resol_256'
resol = 256
再次运行font2img.py,生成256×256的图片。
运行get_data_list.py,生成80×80的训练数据:
python get_data_list.py
将get_data_list.py中第18行、第20行、第21行分别改为:
image_path = base_path + '/images_resol_256'
train_save_path = base_path + '/train_256'
test_save_path = base_path + '/test_256'
再次运行get_data_list.py,生成256×256的训练数据。
**阶段1 **指定GPU,运行train.py,训练EMD模型:
CUDA_VISIBLE_DEVICES=0,1 python src/train.py --input_dir datasets/243/train --output_dir results/243/train --save_summary 1 --style_num 3 --with_dis 1
阶段2 再次运行train.py,训练local enhancer:
CUDA_VISIBLE_DEVICES=0,1 python src/train.py --input_dir datasets/243/train_256 --output_dir results/243/train_256 --save_summary 1 --epochs 50 --input_size 256 --batch_size 16 --save_size 2 8 --style_num 3 --with_local_enhancer 1 --global_checkpoint results/243/train
指定GPU,运行test.py:
CUDA_VISIBLE_DEVICES=0 python src/test.py --input_dir datasets/243/test_256 --output_dir results/243/test_256 --checkpoint results/243/train_256 --input_size 256 --style_num 3 --with_local_enhancer 1
运行test.py,生成融合结果:
CUDA_VISIBLE_DEVICES=0 python src/test.py --input_dir datasets/243/test_256 --output_dir results/243/interp_256 --checkpoint results/243/train_256 --input_size 256 --batch_size 5 --save_size 5 1 --style_num 3 --with_local_enhancer 1 --interp 1