图像相似度的评价指标 : FID(Fréchet Inception Distance)
FID(Fréchet Inception Distance)
是用来计算真实图像与生成图像的特征向量间距离的一种度量。如果FID值越小,则相似程度越高。最好情况即是FID=0,两个图像相同。
实际计算:
参考链接:https://machinelearningmastery.com/how-to-implement-the-frechet-inception-distance-fid-from-scratch/
# example of calculating the frechet inception distance in Keras
import numpy
import os
import cv2
import argparse
import torch
import numpy as np
from scipy.linalg import sqrtm
from keras.applications.inception_v3 import InceptionV3
from keras.applications.inception_v3 import preprocess_input# os.environ["TF_CPP_MIN_LOG_LEVEL"]='2' # 只显示 warning 和 Error
os.environ["TF_CPP_MIN_LOG_LEVEL"] = '3' # 只显示 Error# calculate frechet inception distance
def calculate_fid(model, images1, images2):# calculate activationsact1 = model.predict(images1)act2 = model.predict(images2)# calculate mean and covariance statisticsmu1, sigma1 = act1.mean(axis=0), np.cov(act1, rowvar=False)mu2, sigma2 = act2.mean(axis=0), np.cov(act2, rowvar=False)# calculate sum squared difference between meansssdiff = numpy.sum((mu1 - mu2)**2.0)# calculate sqrt of product between covcovmean = sqrtm(np.dot(sigma1, sigma2))# check and correct imaginary numbers from sqrtif np.iscomplexobj(covmean):covmean = covmean.real# calculate scorefid = ssdiff + np.trace(sigma1 + sigma2 - 2.0 * covmean)return fiddef data_list(dirPath):generated_Dataset = []real_Dataset = []for root, dirs, files in os.walk(dirPath):for filename in sorted(files): # sorted已排序的列表副本# 判断该文件是否是目标文件if "generated" in filename:generatedPath = root + '/' + filenamegeneratedImg = cv2.imread(generatedPath).astype('float32')generated_Dataset.append(generatedImg)# 对比图片路径realPath = root + '/' + filename.replace('generated', 'real')realImg = cv2.imread(realPath).astype('float32')real_Dataset.append(realImg)return generated_Dataset, real_Datasetif __name__ == '__main__':### 参数设定parser = argparse.ArgumentParser()# parser.add_argument('--dataset_dir', type=str, default='./results/hrnet/', help='results')parser.add_argument('--dataset_dir', type=str, default='./results/ssngan/', help='results')parser.add_argument('--name', type=str, default='sketch', help='name of dataset')opt = parser.parse_args()# 数据集dirPath = os.path.join(opt.dataset_dir, opt.name)generatedImg, realImg = data_list(dirPath)dataset_size = len(generatedImg)print("数据集:", dataset_size)images1 = torch.Tensor(generatedImg)images2 = torch.Tensor(realImg)print('shape: ', images1.shape, images2.shape)# 将全部数据集导入# prepare the inception v3 modelmodel = InceptionV3(include_top=False, pooling='avg')# pre-process images(归一化)images1 = preprocess_input(images1)images2 = preprocess_input(images2)# fid between images1 and images2fid = calculate_fid(model, images1, images2)print('FID : %.3f' % fid)print('FID_average : %.3f' % (fid / dataset_size))
图像相似度的评价指标 : FID(Fréchet Inception Distance)相关推荐
- 图像质量评价指标FID、LPIPS、NIQE及其代码
文章目录 FID LPIPS NIQE FID FID的全称是Fréchet Inception Distance,用于衡量两个多元正态分布的距离,数值越小越好.具体的,FID使用Inception ...
- Frechet Inception Distance (FID)
How to Implement the Frechet Inception Distance (FID) for Evaluating GANs github高分项目: https://github ...
- FID使用(Frechet Inception Distance score)
何为 FID? Frechet Inception 距离(FID)是评估生成图像质量的度量标准,专门用于评估生成对抗网络的性能. FID 分数由 Martin Heusel 等人于 2017 年在论文 ...
- 【图像识别与处理】图像相似度对比的几种办法
对计算图像相似度的方法,本文做了如下总结,主要有三种办法: 1.PSNR峰值信噪比 PSNR(Peak Signal to Noise Ratio),一种全参考的图像质量评价指标. 简介:https: ...
- OpenCV 进行图像相似度对比的几种办法-【顺带附py对比学习案例】
最近研究了下计算机视觉.图像对比参考了一下py的一些源码和思路等信息学习学习. 但是呢只能对应相似度.稍微改一改剪切了图片后的就变化差异比较大,对目前自己的需求来说不是很有作用,顺带整理分享一下. 如 ...
- 【图像相关】图像质量评价指标 PSNR 和 SSIM
文章目录 PSNR SSIM 参考链接 PSNR PSNR 是 "Peak Signal to Noise Ratio" 的缩写,即峰值信噪比,是一种评价图像的客观标准,它具有局限 ...
- 基于Python实现图像相似度检测【100010088】
一.实验目的和要求 基于一张样板图片,对九张其他图像进行相似度的计算,得到"最相似"的一张图片.尝试多种算法,并对图像检索方法进行探索. 要求:基于 PIL 库或者 OpenCV ...
- 进行图像相似度对比的几种办法
转载自 1.直方图方法 方法描述:有两幅图像patch(当然也可是整幅图像),分别计算两幅图像的直方图,并将直方图进行归一化,然后按照某种距离度量的标准进行相似度的测量. 方法的思想:基于简单的向量相 ...
- 基于Python实现的图像相似度检测
资源下载地址:https://download.csdn.net/download/sheziqiong/85610752 一.实验目的和要求 基于一张样板图片,对九张其他图像进行相似度的计算,得到& ...
- r语言把两个折线图图像放到一个图里_图像相似度度量
图像相似度度量的应用场景很多,包括以图搜图,相似图像去重等多种功能,目前在项目中的场景是针对大量重复类似的图片,需要进行筛选剔除,自然需要用到图像相似度,简单调研了下图像相似度的方法,包括传统图像方法 ...
最新文章
- UCL葡萄酒(red white wine quality)数据集字段解释、数据导入实战
- 图灵——2015技术类新书TOP20
- Quaternion.identity是什么意思?
- 阿里云ECS上环境搭建(virtualenv+flask+gunicorn+supervisor+nginx)
- ps修改dds贴图_「干货」喜爱3D游戏动漫建模的你,必备的次世代游戏贴图技巧...
- one order callback frequency
- MySQL查询结果导出到文件
- 查看SELinux状态
- Windows下Spring3.x计划任务实现定时备份MySql数据库
- 以“百钱买百鸡”问题练习使用 C语言 goto 语句
- Linux学习笔记8
- wkhtmltopdf中文显示空白或者乱码方框
- android网易云音乐api接口,网易云音乐API分析
- 自建网盘教程之:使用可道云搭建私有云网盘,无需数据库,windows操作界面
- abaqus2018+intel fortran2019+vs2015安装全记录
- cst和ansys_CST、HFSS、ADS几款电磁仿真软件区别对比
- QT报错 error: [debug/qrc_image.cpp] Error 1
- 大型C语言打怪小游戏——神魔
- 了解资本与公司年报、财报
- 靶向药物丨艾美捷西妥昔单抗Cetuximab方案