渲染

[RDSJC]

渲染实验中，合成图和真实图是怎么做到位置匹配的？

[Imagery007]

渲染实验中，合成图和真实图是怎么做到位置匹配的？

你好，我正在复现论文中的合成数据，遇到同样的问题，商品位置发生改变，数量也发生了变化，请问您是如何解决的呢。

1.我使用了1000张合成图片放入trainA文件夹，1000张RPC数据集真实图片放入突然trainB文件夹，训练了200个epoch。
2.训练指令为python train.py --dataroot ./datasets/goods --name goods_cyclegan --model cycle_gan --pool_size 50 --no_dropout。
3.日志文件最后一个epoch显示：
learning rate 0.0000020 -> 0.0000000
(epoch: 200, iters: 100, time: 0.346, data: 0.206) D_A: 0.142 G_A: 0.519 cycle_A: 0.220 idt_A: 0.078 D_B: 0.034 G_B: 0.762 cycle_B: 0.292 idt_B: 0.068
(epoch: 200, iters: 200, time: 1.660, data: 0.001) D_A: 0.143 G_A: 0.342 cycle_A: 0.360 idt_A: 0.079 D_B: 0.089 G_B: 0.731 cycle_B: 0.314 idt_B: 0.102
(epoch: 200, iters: 300, time: 0.346, data: 0.001) D_A: 0.192 G_A: 0.414 cycle_A: 0.213 idt_A: 0.045 D_B: 0.062 G_B: 0.679 cycle_B: 0.193 idt_B: 0.086
(epoch: 200, iters: 400, time: 0.346, data: 0.002) D_A: 0.182 G_A: 0.421 cycle_A: 0.457 idt_A: 0.080 D_B: 0.028 G_B: 0.803 cycle_B: 0.239 idt_B: 0.134
(epoch: 200, iters: 500, time: 0.345, data: 0.001) D_A: 0.186 G_A: 0.249 cycle_A: 0.273 idt_A: 0.054 D_B: 0.068 G_B: 0.578 cycle_B: 0.211 idt_B: 0.077
(epoch: 200, iters: 600, time: 0.587, data: 0.001) D_A: 0.205 G_A: 0.253 cycle_A: 0.258 idt_A: 0.099 D_B: 0.204 G_B: 0.650 cycle_B: 0.379 idt_B: 0.071
(epoch: 200, iters: 700, time: 0.345, data: 0.001) D_A: 0.157 G_A: 0.469 cycle_A: 0.266 idt_A: 0.064 D_B: 0.099 G_B: 0.426 cycle_B: 0.219 idt_B: 0.083
(epoch: 200, iters: 800, time: 0.346, data: 0.001) D_A: 0.122 G_A: 0.426 cycle_A: 0.400 idt_A: 0.137 D_B: 0.142 G_B: 0.857 cycle_B: 0.431 idt_B: 0.133
(epoch: 200, iters: 900, time: 0.346, data: 0.001) D_A: 0.137 G_A: 0.664 cycle_A: 0.320 idt_A: 0.071 D_B: 0.084 G_B: 0.456 cycle_B: 0.280 idt_B: 0.085
(epoch: 200, iters: 1000, time: 1.736, data: 0.001) D_A: 0.116 G_A: 0.381 cycle_A: 0.288 idt_A: 0.077 D_B: 0.121 G_B: 0.725 cycle_B: 0.296 idt_B: 0.088
saving the latest model (epoch 200, total_iters 200000)
saving the model at the end of epoch 200, iters 200000
End of epoch 200 / 200 Time Taken: 332 sec

4.测试指令为python test.py --dataroot datasets/goods/testA --name goods_pretrained --model test --no_dropout，其中latest_net_G_A.pth模型修改为latest_net_G.pth，用于单测的测试。

最后生成的渲染图片效果不是很理想，如下图所示：

希望能获得您的解答。

[Imagery007]

@RDSJC

[caiofgod]

我也遇到了一样的情况 训练了500epoch loss一直没有变化 生成的图像不是多点东西就是少点东西

[caiofgod]

@tongyuhome