BAID

Repositori resmi untuk makalah CVPR2023: "Menuju Penilaian Estetika Gambar Artistik: Dataset Skala Besar dan Metode Baru"

Dataset

• Klon Repositori

 git clone https://github.com/Dreemurr-T/BAID.git
cd BAID/

• Instal dependensi yang diperlukan menggunakan:

 pip install pandas
pip install tqdm

• Unduh dataset menggunakan:

 python downloading_script/download.py

Gambar akan disimpan ke images/ folder.

Karena mungkin lambat saat mengunduh gambar, kami menyediakan alternatif untuk mendapatkan dataset:

• Baidu Netdisk: Tautan, Kode: 9Y91
• Google Drive: segera hadir

Label dataset-kebenaran dataset dapat ditemukan di folder dataset .

Kode

Persyaratan

• Python> = 3.8
• Pytorch> = 1.12.0
• TorchVision> = 0.13.0

Ketergantungan lain dapat diinstal dengan:

 pip install -r requirements.txt

Pretraining

• Unduh dataset Baid dan tempatkan gambar di images/ folder
• Preprocess data menggunakan:

 python pretraining_utils/pretrain_mani.py

• Pretrain Backbone ResNet50 menggunakan:

 python pretraining.py

Seluruh proses pretraining memakan waktu sekitar 2 hari dengan satu RTX3090. Kami menyediakan bobot pretrained kami saat berkendara.

Pelatihan

Untuk pelatihan di Baid, gunakan:

 python train.py

Pos Pemeriksaan akan disimpan ke folder checkpoint/SAAN .

Pengujian

Untuk pengujian di Baid, unduh bobot pretrained dari drive, tempatkan pos pemeriksaan di checkpoint/BAID

Kemudian gunakan:

 python test.py

Lisensi

Dataset dilisensikan di bawah CC BY-NC-ND 4.0

Pengakuan

Kode yang dipinjam dari Pytorch-Ataain dan Non-Local_Pytorch.

Kutipan

Jika Anda menganggap pekerjaan kami bermanfaat, silakan mengutip pekerjaan kami sebagai:

 @InProceedings { Yi_2023_CVPR ,
    author    = { Yi, Ran and Tian, Haoyuan and Gu, Zhihao and Lai, Yu-Kun and Rosin, Paul L. } ,
    title     = { Towards Artistic Image Aesthetics Assessment: A Large-Scale Dataset and a New Method } ,
    booktitle = { Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) } ,
    month     = { June } ,
    year      = { 2023 } ,
    pages     = { 22388-22397 }
}