BAID

CVPR2023 용지의 공식 저장소 : "예술적 이미지 미학 평가 : 대규모 데이터 세트 및 새로운 방법"

데이터 세트

• 저장소를 복제하십시오

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

• 다음을 사용하여 필요한 종속성을 설치하십시오.

 pip install pandas
pip install tqdm

• 다음을 사용하여 데이터 세트를 다운로드하십시오.

 python downloading_script/download.py

이미지는 images/ 폴더에 저장됩니다.

이미지를 다운로드 할 때 느리기 때문에 데이터 세트를 얻는 대안을 제공합니다.

• Baidu NetDisk : 링크, 코드 : 9Y91
• Google 드라이브 : 곧 출시됩니다

데이터 세트의 지상 진실 레이블은 dataset 폴더에서 찾을 수 있습니다.

암호

요구 사항

• 파이썬> = 3.8
• Pytorch> = 1.12.0
• Torchvision> = 0.13.0

다른 종속성은 다음과 같이 설치할 수 있습니다.

 pip install -r requirements.txt

사전 조정

• BAID 데이터 세트를 다운로드하고 images/ 폴더에 이미지를 배치하십시오.
• 다음을 사용하여 데이터를 전처리합니다.

 python pretraining_utils/pretrain_mani.py

• 다음을 사용하여 RESNET50 백본을 프리 레이트하십시오.

 python pretraining.py

전체 사전 계통 과정은 단일 RTX3090에서 약 2 일이 걸립니다. 우리는 드라이브에서 사기꾼 무게를 제공합니다.

훈련

BAID에 대한 교육을 위해 사용하십시오.

 python train.py

체크 포인트는 checkpoint/SAAN 폴더에 저장됩니다.

테스트

BAID에서 테스트하려면 드라이브에서 사전에 사전 가중치를 다운로드하고 Checkpoint를 checkpoint/BAID 에 배치하십시오.

그런 다음 사용하십시오 :

 python test.py

특허

데이터 세트는 CC By-NC-ND 4.0에 따라 라이센스가 부여됩니다

승인

이 코드는 Pytorch-Adain 및 Non-Local_pytorch에서 빌려 왔습니다.

소환

우리의 일이 유용하다고 생각되면 우리의 작업을 다음과 같이 인용하십시오.

 @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 }
}