Paddle MS-SSIM:训练一个用于图像压缩的自编码器
本文介绍了使用SSIM或MS-SSIM作为损失函数训练图像压缩自编码器的方法。自编码器含编码器与解码器,编码器用GDN模块,解码器用IGDN模块。以柯达24张照片为训练样本,将1减去SSIM或MS-SSIM作为损失函数,通过指定参数训练模型,还演示了图像压缩和解压缩过程,因训练样本少,恢复图像画质损失较严重。

引入
自编码器(AutoEncoder)是一类自监督算法,即输入数据和标签数据是相同的数据,常用于数据降维,图像压缩等领域
免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈
自编码器一般由一个提取特征的编码器和一个恢复特征的解码器组成
本次就介绍如何使用 SSIM 或 MS-SSIM 作为损失函数训练一个用于图像压缩的自编码器
参考资料
END-TO-END OPTIMIZED IMAGE COMPRESSION
Paddle MS-SSIM
自编码器
一般的自编码器包含两个主要部分,即编码器和解码器,编码器用于压缩特征,解码器由于解压缩特征,大致架构如下图所示:
准备
安装 Paddle MS-SSIN
In [ ]!pip install paddle_msssim登录后复制
导入必要的包
In [ ]import osimport sysimport argparseimport numpy as npfrom PIL import Imageimport paddleimport paddle.nn as nnimport paddle.nn.functional as Ffrom paddle.optimizer import Adamfrom paddle.vision import transformsfrom paddle.io import DataLoader, Datasetfrom paddle_msssim import ssim, ms_ssim, SSIM, MS_SSIM登录后复制
模型实现
GDN / IGDN 模块
GDN(Generalized Divisive Normalization)/ IGDN(Inverse Generalized Divisive Normalization)
其类似一般卷积神经网络(CNN)中批归一化(Batch Normalization)的作用,可以很好的捕捉图像的统计特性,并将其转换为高斯分布。
在自编码器的编码器(Encoder)阶段使用 GDN 模块参与网络学习
对应的在解码器(Decoder)阶段,使用 GDN 的逆运算 IGND 模块参与网络学习
GDN / IGDN 的公式如下,在下式中,k 代表 stage 阶段序号,i,j 代表像素位置:
具体的代码实现如下:
In [ ]class GDN(nn.Layer): def __init__(self, num_features, inverse=False, gamma_init=.1, beta_bound=1e-6, gamma_bound=0.0, reparam_offset=2**-18, ): super(GDN, self).__init__() self._inverse = inverse self.num_features = num_features self.reparam_offset = reparam_offset self.pedestal = self.reparam_offset**2 beta_init = paddle.sqrt(paddle.ones((num_features, ), dtype=paddle.float32) + self.pedestal) gama_init = paddle.sqrt(paddle.full((num_features, num_features), fill_value=gamma_init, dtype=paddle.float32) * paddle.eye(num_features, dtype=paddle.float32) + self.pedestal) self.beta = self.create_parameter( shape=beta_init.shape, default_initializer=nn.initializer.Assign(beta_init)) self.gamma = self.create_parameter( shape=gama_init.shape, default_initializer=nn.initializer.Assign(gama_init)) self.beta_bound = (beta_bound + self.pedestal) ** 0.5 self.gamma_bound = (gamma_bound + self.pedestal) ** 0.5 def _reparam(self, var, bound): var = paddle.clip(var, min=bound) return (var**2) - self.pedestal def forward(self, x): gamma = self._reparam(self.gamma, self.gamma_bound).reshape((self.num_features, self.num_features, 1, 1)) # expand to (C, C, 1, 1) beta = self._reparam(self.beta, self.beta_bound) norm_pool = F.conv2d(x ** 2, gamma, bias=beta, stride=1, padding=0) norm_pool = paddle.sqrt(norm_pool) if self._inverse: norm_pool = x * norm_pool else: norm_pool = x / norm_pool return norm_pool登录后复制
编码器
使用多层卷积和 GDN 模块构建一个简易的编码器,具体结构如下图所示:
class Encoder(nn.Layer): def __init__(self, C=32, M=128, in_chan=3): super(Encoder, self).__init__() self.enc = nn.Sequential( nn.Conv2D(in_channels=in_chan, out_channels=M, kernel_size=5, stride=2, padding=2, bias_attr=False), GDN(M), nn.Conv2D(in_channels=M, out_channels=M, kernel_size=5, stride=2, padding=2, bias_attr=False), GDN(M), nn.Conv2D(in_channels=M, out_channels=M, kernel_size=5, stride=2, padding=2, bias_attr=False), GDN(M), nn.Conv2D(in_channels=M, out_channels=C, kernel_size=5, stride=2, padding=2, bias_attr=False) ) def forward(self, x): return self.enc(x)登录后复制
解码器
使用多层转置卷积和 IGDN 模块构建一个简易的解码器,具体结构如下图:
class Decoder(nn.Layer): def __init__(self, C=32, M=128, out_chan=3): super(Decoder, self).__init__() self.dec = nn.Sequential( nn.Conv2DTranspose(in_channels=C, out_channels=M, kernel_size=5, stride=2, padding=2, output_padding=1, bias_attr=False), GDN(M, inverse=True), nn.Conv2DTranspose(in_channels=M, out_channels=M, kernel_size=5, stride=2, padding=2, output_padding=1, bias_attr=False), GDN(M, inverse=True), nn.Conv2DTranspose(in_channels=M, out_channels=M, kernel_size=5, stride=2, padding=2, output_padding=1, bias_attr=False), GDN(M, inverse=True), nn.Conv2DTranspose(in_channels=M, out_channels=out_chan, kernel_size=5, stride=2, padding=2, output_padding=1, bias_attr=False), ) def forward(self, q): return F.sigmoid(self.dec(q))登录后复制
自编码器
将上述的编码器和解码器组合起来就可以构成一个简单的自编码器In [ ]class AutoEncoder(nn.Layer): def __init__(self, C=128, M=128, in_chan=3, out_chan=3): super(AutoEncoder, self).__init__() self.encoder = Encoder(C=C, M=M, in_chan=in_chan) self.decoder = Decoder(C=C, M=M, out_chan=out_chan) def forward(self, x, **kargs): code = self.encoder(x) out = self.decoder(code) return out登录后复制
数据集
介绍
作为演示,这里使用柯达提供的 24 张无版权测试照片作为训练样本,数据集比较小
当然使用更多的图片作为数据进行模型训练效果会更佳
样例图像如下:
数据集代码实现
In [ ]class ImageDataset(Dataset): def __init__(self, root, transform=None): self.root = root self.transform = transform self.images = list(os.listdir(root)) self.images.sort() def __getitem__(self, idx): img = Image.open(os.path.join(self.root, self.images[idx])) if self.transform is not None: img = self.transform(img) return img, def __len__(self): return len(self.images)登录后复制
模型训练
损失函数
因为 SSIM 和 MS-SSIM 指数越高越好,而网络训练时一般使用的是最小化优化的方式所以需要使用 1 减去算出来的 SSIM 或 MS-SSIM 指数作为网络训练的损失函数In [ ]class MS_SSIM_Loss(MS_SSIM): def forward(self, img1, img2): return 100*(1 - super(MS_SSIM_Loss, self).forward(img1, img2))class SSIM_Loss(SSIM): def forward(self, img1, img2): return 100*(1 - super(SSIM_Loss, self).forward(img1, img2))登录后复制
训练参数
In [ ]def get_argparser(): parser = argparse.ArgumentParser() parser.add_argument("--ckpt", default=None, type=str, help="path to trained model. Leave it None if you want to retrain your model") parser.add_argument("--loss_type", type=str, default='ms_ssim', choices=['ssim', 'ms_ssim']) parser.add_argument("--batch_size", type=int, default=24) parser.add_argument("--log_interval", type=int, default=1) parser.add_argument("--total_epochs", type=int, default=200) return parser登录后复制 模型训练与评估
In [ ]def test(opts, model, val_loader, epoch): save_dir = os.path.join('results', 'epoch_%d' % epoch) if not os.path.exists(save_dir): os.mkdir(save_dir) model.eval() cur_score = 0.0 metric = ssim if opts.loss_type == 'ssim' else ms_ssim with paddle.no_grad(): for i, (images, ) in enumerate(val_loader): outputs = model(images) # save the first reconstructed image cur_score += metric(outputs, images, data_range=1.0) Image.fromarray((outputs*255).squeeze(0).detach().numpy().astype('uint8').transpose(1, 2, 0)).save(os.path.join(save_dir, 'recons_%s_%d.webp' % (opts.loss_type, i))) cur_score /= len(val_loader.dataset) return cur_scoreif not os.path.exists('results'): os.mkdir('results')opts, unparsed = get_argparser().parse_known_args()# datasettrain_trainsform = transforms.Compose([ transforms.RandomCrop(size=512, pad_if_needed=True), transforms.RandomHorizontalFlip(), transforms.RandomVerticalFlip(), transforms.ToTensor(),])val_transform = transforms.Compose([ transforms.CenterCrop(size=512), transforms.ToTensor()])train_loader = DataLoader( ImageDataset(root='datasets/kodak', transform=train_trainsform), batch_size=opts.batch_size, shuffle=True, num_workers=0, drop_last=True)val_loader = DataLoader( ImageDataset(root='datasets/kodak', transform=val_transform), batch_size=1, shuffle=False, num_workers=0)print("Train set: %d, Val set: %d" % (len(train_loader.dataset), len(val_loader.dataset)))model = AutoEncoder(C=128, M=128, in_chan=3, out_chan=3)# optimizeroptimizer = Adam(parameters=model.parameters(), learning_rate=1e-4, weight_decay=1e-5)# checkpointbest_score = 0.0cur_epoch = 0if opts.ckpt is not None and os.path.isfile(opts.ckpt): model.set_dict(paddle.load(opts.ckpt))else: print("[!] Retrain")if opts.loss_type == 'ssim': criterion = SSIM_Loss(data_range=1.0, size_average=True, channel=3)else: criterion = MS_SSIM_Loss(data_range=1.0, size_average=True, channel=3)#========== Train Loop ==========#for cur_epoch in range(opts.total_epochs): # ===== Train ===== model.train() for cur_step, (images, ) in enumerate(train_loader): optimizer.clear_grad() outputs = model(images) loss = criterion(outputs, images) loss.backward() optimizer.step() if (cur_step) % opts.log_interval == 0: print("Epoch %d, Batch %d/%d, loss=%.6f" % (cur_epoch, cur_step, len(train_loader), loss.item())) # ===== Save Latest Model ===== paddle.save(model.state_dict(), 'latest_model.pdparams') # ===== Validation ===== print("Val...") best_score = 0.0 cur_score = test(opts, model, val_loader, cur_epoch) print("%s = %.6f" % (opts.loss_type, cur_score)) # ===== Save Best Model ===== if cur_score > best_score: # save best model best_score = cur_score paddle.save(model.state_dict(), 'best_model.pdparams') print("Best model saved as best_model.pdparams")登录后复制 图像压缩演示
使用下列代码即可对图像进行压缩和解压缩当然由于使用的训练图片较少,恢复的图像画质损失比较严重In [84]# 读取测试图像dataset = ImageDataset(root='datasets/kodak', transform=val_transform)x = dataset[0][0][None, ...]print('input shape:', x.shape, 'size:', x.size)# 图像编码压缩hidden = model.encoder(x)print('hidden shape:', hidden.shape, 'size:', hidden.size)# 图像解码解压缩y = model.decoder(hidden)print('output shape:', y.shape, 'size:', y.size)# 图像张量还原函数def postprocess(tensor): tensor = (tensor*255).squeeze().cast(paddle.uint8).numpy() img = tensor.transpose(1, 2, 0) return img# 图像还原拼接对比img_y = postprocess(y)img_x = postprocess(x)img = np.concatenate([img_x, img_y], 1)img = Image.fromarray(img)img.save('test.webp')from IPython import displaydisplay.Image('test.webp')登录后复制 input shape: [1, 3, 512, 512] size: 786432hidden shape: [1, 128, 32, 32] size: 131072output shape: [1, 3, 512, 512] size: 786432登录后复制
登录后复制
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
极豆科技携手银联等四方 全球首发车载智能体支付场景新体验
4月2日,中国银联在上海正式推出《智能体支付开放协议框架》(Agentic Payment Open Protocol,简称APOP框架),并顺利完成首批生产环境下的系统验证交易。这一创新协议旨在推
全新揽巡震撼上市,智驾安全双在线,七重礼遇助力开启精彩旅程
一汽-大众近日推出全新揽巡SUV,以“硬核澎湃大五座”定位强势进军市场,最新指导价24 69万元起。这款车型专为追求自由、注重品质且不愿妥协的新生活“探险家”打造,通过力量感与未来感融合的设计语言、
OpenClaw如何自定义SKILL
1 Skills机制概述 提起OpenClaw的Skills机制,不少人可能会把它想象成传统意义上的可执行插件。其实,它的内涵要更精妙一些。 简单说,Skills本质上是一套基于提示驱动的能力扩展机制。它并不是一个可以独立“跑”起来的程序模块,而是通过一份结构化描述文件(核心就是那个SKILL m
OpenClaw 是什么?OpenClaw 详细使用教程及中转 API 优缺点
OpenClaw 是什么?OpenClaw 详细使用教程及中转 API 优缺点分析 最近,圈子里的讨论热度明显聚焦在一个词上:OpenClaw。无论是开发者,还是正在推进AI项目的团队,都在打听它。这工具到底是什么?能解决什么问题?配上那些中转Token,真的就高枕无忧了吗?今天,我们就来把这事儿掰
OpenClaw教程(八)—— 为OpenClaw打造记忆系统
上一篇我们探讨了OpenClaw的自动化能力,今天的话题,可以说是一个AI助手能否真正“进化”的关键——如何为它构建一套有效的记忆系统。 随着助手能力的不断扩展,它每天处理的事务会越来越多,产生的信息量也会急剧增长:例行检查、异常发现、你下达的各种指令……如果没有记忆,每次唤醒它都如同面对一张白纸,
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程

