Paddle MS-SSIM:训练一个用于图像压缩的自编码器

本文介绍了使用SSIM或MS-SSIM作为损失函数训练图像压缩自编码器的方法。自编码器含编码器与解码器,编码器用GDN模块,解码器用IGDN模块。以柯达24张照片为训练样本,将1减去SSIM或MS-SSIM作为损失函数,通过指定参数训练模型,还演示了图像压缩和解压缩过程,因训练样本少,恢复图像画质损失较严重。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

paddle ms-ssim:训练一个用于图像压缩的自编码器 - 创想鸟

引入

自编码器(AutoEncoder)是一类自监督算法,即输入数据和标签数据是相同的数据,常用于数据降维,图像压缩等领域

自编码器一般由一个提取特征的编码器和一个恢复特征的解码器组成

本次就介绍如何使用 SSIM 或 MS-SSIM 作为损失函数训练一个用于图像压缩的自编码器

参考资料

END-TO-END OPTIMIZED IMAGE COMPRESSION

Paddle MS-SSIM

自编码器

一般的自编码器包含两个主要部分,即编码器和解码器,编码器用于压缩特征,解码器由于解压缩特征,大致架构如下图所示:

Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - 创想鸟                

准备

安装 Paddle MS-SSIN

In [ ]

!pip install paddle_msssim

   

导入必要的包

In [ ]

import osimport sysimport argparseimport numpy as npfrom PIL import Imageimport paddleimport paddle.nn as nnimport paddle.nn.functional as Ffrom paddle.optimizer import Adamfrom paddle.vision import transformsfrom paddle.io import DataLoader, Datasetfrom paddle_msssim import ssim, ms_ssim, SSIM, MS_SSIM

   

模型实现

GDN / IGDN 模块

GDN(Generalized Divisive Normalization)/ IGDN(Inverse Generalized Divisive Normalization)

其类似一般卷积神经网络(CNN)中批归一化(Batch Normalization)的作用,可以很好的捕捉图像的统计特性,并将其转换为高斯分布。

在自编码器的编码器(Encoder)阶段使用 GDN 模块参与网络学习

对应的在解码器(Decoder)阶段,使用 GDN 的逆运算 IGND 模块参与网络学习

GDN / IGDN 的公式如下,在下式中,k 代表 stage 阶段序号,i,j 代表像素位置:

Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - 创想鸟                

具体的代码实现如下:

In [ ]

class GDN(nn.Layer):    def __init__(self,                 num_features,                 inverse=False,                 gamma_init=.1,                 beta_bound=1e-6,                 gamma_bound=0.0,                 reparam_offset=2**-18,                 ):        super(GDN, self).__init__()        self._inverse = inverse        self.num_features = num_features        self.reparam_offset = reparam_offset        self.pedestal = self.reparam_offset**2        beta_init = paddle.sqrt(paddle.ones((num_features, ), dtype=paddle.float32) + self.pedestal)        gama_init = paddle.sqrt(paddle.full((num_features, num_features), fill_value=gamma_init, dtype=paddle.float32)                                * paddle.eye(num_features, dtype=paddle.float32) + self.pedestal)        self.beta = self.create_parameter(            shape=beta_init.shape, default_initializer=nn.initializer.Assign(beta_init))        self.gamma = self.create_parameter(            shape=gama_init.shape, default_initializer=nn.initializer.Assign(gama_init))        self.beta_bound = (beta_bound + self.pedestal) ** 0.5        self.gamma_bound = (gamma_bound + self.pedestal) ** 0.5    def _reparam(self, var, bound):        var = paddle.clip(var, min=bound)        return (var**2) - self.pedestal    def forward(self, x):        gamma = self._reparam(self.gamma, self.gamma_bound).reshape((self.num_features, self.num_features, 1, 1))  # expand to (C, C, 1, 1)        beta = self._reparam(self.beta, self.beta_bound)        norm_pool = F.conv2d(x ** 2, gamma, bias=beta, stride=1, padding=0)        norm_pool = paddle.sqrt(norm_pool)        if self._inverse:            norm_pool = x * norm_pool        else:            norm_pool = x / norm_pool        return norm_pool

   

编码器

使用多层卷积和 GDN 模块构建一个简易的编码器,具体结构如下图所示:

Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - 创想鸟                

In [ ]

class Encoder(nn.Layer):    def __init__(self, C=32, M=128, in_chan=3):        super(Encoder, self).__init__()        self.enc = nn.Sequential(            nn.Conv2D(in_channels=in_chan, out_channels=M,                      kernel_size=5, stride=2, padding=2, bias_attr=False),            GDN(M),            nn.Conv2D(in_channels=M, out_channels=M, kernel_size=5,                      stride=2, padding=2, bias_attr=False),            GDN(M),            nn.Conv2D(in_channels=M, out_channels=M, kernel_size=5,                      stride=2, padding=2, bias_attr=False),            GDN(M),            nn.Conv2D(in_channels=M, out_channels=C, kernel_size=5,                      stride=2, padding=2, bias_attr=False)        )    def forward(self, x):        return self.enc(x)

   

解码器

使用多层转置卷积和 IGDN 模块构建一个简易的解码器,具体结构如下图:

Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - 创想鸟                

In [ ]

class Decoder(nn.Layer):    def __init__(self, C=32, M=128, out_chan=3):        super(Decoder, self).__init__()        self.dec = nn.Sequential(            nn.Conv2DTranspose(in_channels=C, out_channels=M, kernel_size=5,                               stride=2, padding=2, output_padding=1, bias_attr=False),            GDN(M, inverse=True),            nn.Conv2DTranspose(in_channels=M, out_channels=M, kernel_size=5,                               stride=2, padding=2, output_padding=1, bias_attr=False),            GDN(M, inverse=True),            nn.Conv2DTranspose(in_channels=M, out_channels=M, kernel_size=5,                               stride=2, padding=2, output_padding=1, bias_attr=False),            GDN(M, inverse=True),            nn.Conv2DTranspose(in_channels=M, out_channels=out_chan, kernel_size=5,                               stride=2, padding=2, output_padding=1, bias_attr=False),        )    def forward(self, q):        return F.sigmoid(self.dec(q))

   

自编码器

将上述的编码器和解码器组合起来就可以构成一个简单的自编码器In [ ]

class AutoEncoder(nn.Layer):    def __init__(self, C=128, M=128, in_chan=3, out_chan=3):        super(AutoEncoder, self).__init__()        self.encoder = Encoder(C=C, M=M, in_chan=in_chan)        self.decoder = Decoder(C=C, M=M, out_chan=out_chan)    def forward(self, x, **kargs):        code = self.encoder(x)        out = self.decoder(code)        return out

   

数据集

介绍

作为演示,这里使用柯达提供的 24 张无版权测试照片作为训练样本,数据集比较小

当然使用更多的图片作为数据进行模型训练效果会更佳

样例图像如下:

Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - 创想鸟                

数据集代码实现

In [ ]

class ImageDataset(Dataset):    def __init__(self, root, transform=None):        self.root = root        self.transform = transform        self.images = list(os.listdir(root))        self.images.sort()    def __getitem__(self, idx):        img = Image.open(os.path.join(self.root, self.images[idx]))        if self.transform is not None:            img = self.transform(img)        return img,     def __len__(self):        return len(self.images)

   

模型训练

损失函数

因为 SSIM 和 MS-SSIM 指数越高越好,而网络训练时一般使用的是最小化优化的方式所以需要使用 1 减去算出来的 SSIM 或 MS-SSIM 指数作为网络训练的损失函数In [ ]

class MS_SSIM_Loss(MS_SSIM):    def forward(self, img1, img2):        return 100*(1 - super(MS_SSIM_Loss, self).forward(img1, img2))class SSIM_Loss(SSIM):    def forward(self, img1, img2):        return 100*(1 - super(SSIM_Loss, self).forward(img1, img2))

   

训练参数

In [ ]

def get_argparser():    parser = argparse.ArgumentParser()    parser.add_argument("--ckpt", default=None, type=str,                        help="path to trained model. Leave it None if you want to retrain your model")    parser.add_argument("--loss_type", type=str,                        default='ms_ssim', choices=['ssim', 'ms_ssim'])    parser.add_argument("--batch_size", type=int, default=24)    parser.add_argument("--log_interval", type=int, default=1)    parser.add_argument("--total_epochs", type=int, default=200)    return parser

   

模型训练与评估

In [ ]

def test(opts, model, val_loader, epoch):    save_dir = os.path.join('results', 'epoch_%d' % epoch)    if not os.path.exists(save_dir):        os.mkdir(save_dir)    model.eval()    cur_score = 0.0    metric = ssim if opts.loss_type == 'ssim' else ms_ssim    with paddle.no_grad():        for i, (images, ) in enumerate(val_loader):            outputs = model(images)            # save the first reconstructed image            cur_score += metric(outputs, images, data_range=1.0)            Image.fromarray((outputs*255).squeeze(0).detach().numpy().astype('uint8').transpose(1, 2, 0)).save(os.path.join(save_dir, 'recons_%s_%d.png' % (opts.loss_type, i)))        cur_score /= len(val_loader.dataset)    return cur_scoreif not os.path.exists('results'):    os.mkdir('results')opts, unparsed = get_argparser().parse_known_args()# datasettrain_trainsform = transforms.Compose([    transforms.RandomCrop(size=512, pad_if_needed=True),    transforms.RandomHorizontalFlip(),    transforms.RandomVerticalFlip(),    transforms.ToTensor(),])val_transform = transforms.Compose([    transforms.CenterCrop(size=512),    transforms.ToTensor()])train_loader = DataLoader(    ImageDataset(root='datasets/kodak', transform=train_trainsform),    batch_size=opts.batch_size, shuffle=True, num_workers=0, drop_last=True)val_loader = DataLoader(    ImageDataset(root='datasets/kodak', transform=val_transform),    batch_size=1, shuffle=False, num_workers=0)print("Train set: %d, Val set: %d" %        (len(train_loader.dataset), len(val_loader.dataset)))model = AutoEncoder(C=128, M=128, in_chan=3, out_chan=3)# optimizeroptimizer = Adam(parameters=model.parameters(),                    learning_rate=1e-4,                    weight_decay=1e-5)# checkpointbest_score = 0.0cur_epoch = 0if opts.ckpt is not None and os.path.isfile(opts.ckpt):    model.set_dict(paddle.load(opts.ckpt))else:    print("[!] Retrain")if opts.loss_type == 'ssim':    criterion = SSIM_Loss(data_range=1.0, size_average=True, channel=3)else:    criterion = MS_SSIM_Loss(data_range=1.0, size_average=True, channel=3)#==========   Train Loop   ==========#for cur_epoch in range(opts.total_epochs):    # =====  Train  =====    model.train()    for cur_step, (images, ) in enumerate(train_loader):        optimizer.clear_grad()        outputs = model(images)        loss = criterion(outputs, images)        loss.backward()        optimizer.step()        if (cur_step) % opts.log_interval == 0:            print("Epoch %d, Batch %d/%d, loss=%.6f" %                    (cur_epoch, cur_step, len(train_loader), loss.item()))    # =====  Save Latest Model  =====    paddle.save(model.state_dict(), 'latest_model.pdparams')    # =====  Validation  =====    print("Val...")    best_score = 0.0    cur_score = test(opts, model, val_loader, cur_epoch)    print("%s = %.6f" % (opts.loss_type, cur_score))    # =====  Save Best Model  =====    if cur_score > best_score:  # save best model        best_score = cur_score        paddle.save(model.state_dict(), 'best_model.pdparams')        print("Best model saved as best_model.pdparams")

   

图像压缩演示

使用下列代码即可对图像进行压缩和解压缩当然由于使用的训练图片较少,恢复的图像画质损失比较严重In [84]

# 读取测试图像dataset = ImageDataset(root='datasets/kodak', transform=val_transform)x = dataset[0][0][None, ...]print('input shape:', x.shape, 'size:', x.size)# 图像编码压缩hidden = model.encoder(x)print('hidden shape:', hidden.shape, 'size:', hidden.size)# 图像解码解压缩y = model.decoder(hidden)print('output shape:', y.shape, 'size:', y.size)# 图像张量还原函数def postprocess(tensor):    tensor = (tensor*255).squeeze().cast(paddle.uint8).numpy()    img = tensor.transpose(1, 2, 0)    return img# 图像还原拼接对比img_y = postprocess(y)img_x = postprocess(x)img = np.concatenate([img_x, img_y], 1)img = Image.fromarray(img)img.save('test.jpg')from IPython import displaydisplay.Image('test.jpg')

       

input shape: [1, 3, 512, 512] size: 786432hidden shape: [1, 128, 32, 32] size: 131072output shape: [1, 3, 512, 512] size: 786432

       


               

以上就是Paddle MS-SSIM:训练一个用于图像压缩的自编码器的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/70350.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年11月13日 05:01:13
下一篇 2025年11月13日 05:40:59

相关推荐

  • Uniapp 中如何不拉伸不裁剪地展示图片?

    灵活展示图片:如何不拉伸不裁剪 在界面设计中,常常需要以原尺寸展示用户上传的图片。本文将介绍一种在 uniapp 框架中实现该功能的简单方法。 对于不同尺寸的图片,可以采用以下处理方式: 极端宽高比:撑满屏幕宽度或高度,再等比缩放居中。非极端宽高比:居中显示,若能撑满则撑满。 然而,如果需要不拉伸不…

    2025年12月24日
    400
  • 如何让小说网站控制台显示乱码,同时网页内容正常显示?

    如何在不影响用户界面的情况下实现控制台乱码? 当在小说网站上下载小说时,大家可能会遇到一个问题:网站上的文本在网页内正常显示,但是在控制台中却是乱码。如何实现此类操作,从而在不影响用户界面(UI)的情况下保持控制台乱码呢? 答案在于使用自定义字体。网站可以通过在服务器端配置自定义字体,并通过在客户端…

    2025年12月24日
    800
  • 如何在地图上轻松创建气泡信息框?

    地图上气泡信息框的巧妙生成 地图上气泡信息框是一种常用的交互功能,它简便易用,能够为用户提供额外信息。本文将探讨如何借助地图库的功能轻松创建这一功能。 利用地图库的原生功能 大多数地图库,如高德地图,都提供了现成的信息窗体和右键菜单功能。这些功能可以通过以下途径实现: 高德地图 JS API 参考文…

    2025年12月24日
    400
  • 如何使用 scroll-behavior 属性实现元素scrollLeft变化时的平滑动画?

    如何实现元素scrollleft变化时的平滑动画效果? 在许多网页应用中,滚动容器的水平滚动条(scrollleft)需要频繁使用。为了让滚动动作更加自然,你希望给scrollleft的变化添加动画效果。 解决方案:scroll-behavior 属性 要实现scrollleft变化时的平滑动画效果…

    2025年12月24日
    000
  • 如何为滚动元素添加平滑过渡,使滚动条滑动时更自然流畅?

    给滚动元素平滑过渡 如何在滚动条属性(scrollleft)发生改变时为元素添加平滑的过渡效果? 解决方案:scroll-behavior 属性 为滚动容器设置 scroll-behavior 属性可以实现平滑滚动。 html 代码: click the button to slide right!…

    2025年12月24日
    500
  • 如何选择元素个数不固定的指定类名子元素?

    灵活选择元素个数不固定的指定类名子元素 在网页布局中,有时需要选择特定类名的子元素,但这些元素的数量并不固定。例如,下面这段 html 代码中,activebar 和 item 元素的数量均不固定: *n *n 如果需要选择第一个 item元素,可以使用 css 选择器 :nth-child()。该…

    2025年12月24日
    200
  • 使用 SVG 如何实现自定义宽度、间距和半径的虚线边框?

    使用 svg 实现自定义虚线边框 如何实现一个具有自定义宽度、间距和半径的虚线边框是一个常见的前端开发问题。传统的解决方案通常涉及使用 border-image 引入切片图片,但是这种方法存在引入外部资源、性能低下的缺点。 为了避免上述问题,可以使用 svg(可缩放矢量图形)来创建纯代码实现。一种方…

    2025年12月24日
    100
  • 如何解决本地图片在使用 mask JS 库时出现的跨域错误?

    如何跨越localhost使用本地图片? 问题: 在本地使用mask js库时,引入本地图片会报跨域错误。 解决方案: 要解决此问题,需要使用本地服务器启动文件,以http或https协议访问图片,而不是使用file://协议。例如: python -m http.server 8000 然后,可以…

    2025年12月24日
    200
  • 如何让“元素跟随文本高度,而不是撑高父容器?

    如何让 元素跟随文本高度,而不是撑高父容器 在页面布局中,经常遇到父容器高度被子元素撑开的问题。在图例所示的案例中,父容器被较高的图片撑开,而文本的高度没有被考虑。本问答将提供纯css解决方案,让图片跟随文本高度,确保父容器的高度不会被图片影响。 解决方法 为了解决这个问题,需要将图片从文档流中脱离…

    2025年12月24日
    000
  • 为什么 CSS mask 属性未请求指定图片?

    解决 css mask 属性未请求图片的问题 在使用 css mask 属性时,指定了图片地址,但网络面板显示未请求获取该图片,这可能是由于浏览器兼容性问题造成的。 问题 如下代码所示: 立即学习“前端免费学习笔记(深入)”; icon [data-icon=”cloud”] { –icon-cl…

    2025年12月24日
    200
  • 如何利用 CSS 选中激活标签并影响相邻元素的样式?

    如何利用 css 选中激活标签并影响相邻元素? 为了实现激活标签影响相邻元素的样式需求,可以通过 :has 选择器来实现。以下是如何具体操作: 对于激活标签相邻后的元素,可以在 css 中使用以下代码进行设置: li:has(+li.active) { border-radius: 0 0 10px…

    2025年12月24日
    100
  • 如何模拟Windows 10 设置界面中的鼠标悬浮放大效果?

    win10设置界面的鼠标移动显示周边的样式(探照灯效果)的实现方式 在windows设置界面的鼠标悬浮效果中,光标周围会显示一个放大区域。在前端开发中,可以通过多种方式实现类似的效果。 使用css 使用css的transform和box-shadow属性。通过将transform: scale(1.…

    2025年12月24日
    200
  • 为什么我的 Safari 自定义样式表在百度页面上失效了?

    为什么在 Safari 中自定义样式表未能正常工作? 在 Safari 的偏好设置中设置自定义样式表后,您对其进行测试却发现效果不同。在您自己的网页中,样式有效,而在百度页面中却失效。 造成这种情况的原因是,第一个访问的项目使用了文件协议,可以访问本地目录中的图片文件。而第二个访问的百度使用了 ht…

    2025年12月24日
    000
  • 如何用前端实现 Windows 10 设置界面的鼠标移动探照灯效果?

    如何在前端实现 Windows 10 设置界面中的鼠标移动探照灯效果 想要在前端开发中实现 Windows 10 设置界面中类似的鼠标移动探照灯效果,可以通过以下途径: CSS 解决方案 DEMO 1: Windows 10 网格悬停效果:https://codepen.io/tr4553r7/pe…

    2025年12月24日
    000
  • 使用CSS mask属性指定图片URL时,为什么浏览器无法加载图片?

    css mask属性未能加载图片的解决方法 使用css mask属性指定图片url时,如示例中所示: mask: url(“https://api.iconify.design/mdi:apple-icloud.svg”) center / contain no-repeat; 但是,在网络面板中却…

    2025年12月24日
    000
  • 如何用CSS Paint API为网页元素添加时尚的斑马线边框?

    为元素添加时尚的斑马线边框 在网页设计中,有时我们需要添加时尚的边框来提升元素的视觉效果。其中,斑马线边框是一种既醒目又别致的设计元素。 实现斜向斑马线边框 要实现斜向斑马线间隔圆环,我们可以使用css paint api。该api提供了强大的功能,可以让我们在元素上绘制复杂的图形。 立即学习“前端…

    2025年12月24日
    000
  • 图片如何不撑高父容器?

    如何让图片不撑高父容器? 当父容器包含不同高度的子元素时,父容器的高度通常会被最高元素撑开。如果你希望父容器的高度由文本内容撑开,避免图片对其产生影响,可以通过以下 css 解决方法: 绝对定位元素: .child-image { position: absolute; top: 0; left: …

    2025年12月24日
    000
  • 使用 Mask 导入本地图片时,如何解决跨域问题?

    跨域疑难:如何解决 mask 引入本地图片产生的跨域问题? 在使用 mask 导入本地图片时,你可能会遇到令人沮丧的跨域错误。为什么会出现跨域问题呢?让我们深入了解一下: mask 框架假设你以 http(s) 协议加载你的 html 文件,而当使用 file:// 协议打开本地文件时,就会产生跨域…

    2025年12月24日
    200
  • CSS 帮助

    我正在尝试将文本附加到棕色框的左侧。我不能。我不知道代码有什么问题。请帮助我。 css .hero { position: relative; bottom: 80px; display: flex; justify-content: left; align-items: start; color:…

    2025年12月24日 好文分享
    200
  • 前端代码辅助工具:如何选择最可靠的AI工具?

    前端代码辅助工具:可靠性探讨 对于前端工程师来说,在HTML、CSS和JavaScript开发中借助AI工具是司空见惯的事情。然而,并非所有工具都能提供同等的可靠性。 个性化需求 关于哪个AI工具最可靠,这个问题没有一刀切的答案。每个人的使用习惯和项目需求各不相同。以下是一些影响选择的重要因素: 立…

    2025年12月24日
    000

发表回复

登录后才能评论
关注微信