衣著流行元素分析說明文件

共同開發

hwx107m

環境需要

python==3.6
tensorflow-gpu==1.8.0
keras==2.2.4
sklearn
fishervector
matplotlib 
numba
opencv-python
seaborn
pytorch 1.1

環境安裝步驟

1. 安裝 python3.6

2. 使用 cmd 移動到 Cloth-Release 資料夾下

3. 在 cmd 中輸入 pip install -r requirements.txt

4. 安裝 pytorch 1.1

   pip install https://download.pytorch.org/whl/cu100/torch-1.1.0-cp36-cp36m-win_amd64.whl

---

執行步驟

參數修改

• 在 Cloth-Release/configure.py 修改圖片根目錄位置(IMG_Root)

cmd 執行

1. 使用 cmd 移動到 Cloth-Release 資料夾下
2. 在 cmd 輸入 python main.py
3. 得到執行結果

程式碼文件說明

Cloth-Release/

• main.py :主要運行程式，workflow()包含整個架構運行流程。

• configure.py : 參數設定、儲存位置，可在此處修改cluster數量

Cloth-Release/Clusters_Classification

• feature_cls_model.py : feature 分類模型

• feature_dataset.py : 資料載入器

  inputs : features , feature_labels

• myconfig.py : 深度學習模型參數

• Train.py : 訓練模型

  inputs : features, feature_labels

  outputs : model

  註: 這邊feature_labels 是利用 kmeans過後結果所得

• Test.py : 測試訓練完之模型

  inputs : features, feature_labels, model

Cloth-Release/Feature_Clsuter

• Feature_Extract.py : 對image取feature,可以設定不同的feature_type(e.g. material, texture)

  inputs : img_root, feature_type

  feature_type : material, texture, color
  

  outputs : extract_feature

• Feature_Optimize.py : 將取完的feature做特徵優化

  inputs : extract_feature, feature_type

  outputs : fisher_vector

• Feature_Reduce.py : 將優化特徵進行PCA降維

  inputs : fisher_vector, feature_type outputs : pca_feature

• Feature_Cluster_Visualize.py : 將特徵進行clustering,得到clustering label。並且將結果 visualize。

  1. feature_cluster()

     inputs : features, clusters

     clusters: 聚類數量可自由調整，在 Cloth-Release/configure.py
     

     output : kmeans

  2. feature_visualize(): inputs : features, kmeans

Project file Structure

Cloth-Release
│
├── configure.py
├── main.py
├── README.md
├── requirements.txt
│
├── Clusters_Classification
│   ├── feature_cls_model.py
│   ├── feature_dataset.py
│   ├── Train.py
│   ├── Test.py
│   └── myconfig.py
│
├── Feature
│   └──....
├── Model
│   └──....
├── Result
│   └──....
│
└── Feature_Clusters
    ├── Feature_Cluster_Visualize.py
    ├── Feature_Extract.py
    ├── Feature_Optimize.py
    └── Feature_Reduce.py