计算机视觉大作业：EdgeConnect论文阅读

复现

一、环境配置
运行环境：
Python 3.6.6
PyTorch 1.10.0
NVIDIA GPU + CUDA 10.2 + cuDNN 8.2
Python包：
numpy = 1.14.3+mkl
scipy = 1.0.1
future = 0.18.2
matplotlib = 2.2.2
pillow = 8.3.1
opencv-python = 4.5.3.56
scikit-image = 0.14.5
Pyaml = 21.10.1
二、下载预训练模型

三、运行模型
（若要自己训练模型，要提供原图的边缘检测结果、掩膜和原图灰度图，再加上训练时间可能较长，我们就直接采用作者训练好的模型去跑结果了。。。）
Windows 10下，在命令行输入：
python test.py --model 3 --input ./examples/places2/images --mask ./examples/places2/masks --output ./checkpoints/results

原始图像：

图像修复结果：


可以发现修复效果还是比较好的。
四、验证模型准确性

1. PSNR, SSIM and Mean Absolute Error测试：
   python ./scripts/metrics.py --data-path ./examples/places2/images --output-path ./checkpoints/results
   Edge-Connect模型图像修复结果的各项指标如下图所示：
   
   PSNR = 10.0142 SSIM = 0.4224 MAE = 0.1742
   和论文里的数据对比一下：
   
   可以发现相差的比较远（？！），不知道作者论文里的表格数据是怎么达到那么好的，估计是后期对模型做了优化然后选取了修复结果最好的验证结果贴到论文上了？但总体来说修复程度就人眼看上去已经非常好了。

注：EdgeConnect项目源码请前往GitHub自行搜索并Clone。