Process

    一张图输入俩网络
     
    - 语义分割网络 -> 掩码图 
马                           -> 融合掩码图和迁移结果 A
    - GANA -> 迁移结果A 


                       掩码图 <-  语义分割网络 <- 
                                           
融合迁移结果B 和掩码图  <-                                    斑马
                        迁移结果B  <=  GANB        <-


-=-==8

语义分割
    1. 前景坐标列表
    2. 同等大小的 zero 图
    3. 用前景坐标在 zero 上画 mask 
    4. zero 图和原图相加 => 一张除了 mask 区域全 0 的图片

基础版

生成器 随机值 => 生成数字

判别器 判别真数字 判别生成数据

进阶版

生成器A 马(RealA) => 生成斑马

判别器A 判别真斑马 判别生成斑马

生成器B 斑马 => 生成马

判别器B 判别真马 判别生成的马(FakeA)

损失函数 生成器 A 的损失函数 判别器 A 的损失函数 生成器 B 的损失函数 判别器 B 的损失函数

RealA 和 FakeA 之间的损失函数

scp -P 27330 util.py root@hz-t3.matpool.com:/mnt

Todo

- 使用预训练模型
- 使用self attention
- 加入边缘平滑

Todo

[] 描述数据集，训练图片，测试图片, epoch, 环境 [] 描述网络设计，输入是啥，输出是啥，激活函数，引入了 resnet 模块 [] 描述 self attenation 实现 [] 描述语义分割通过什么实现的 [] 效果对比 []增加语义分割前后效果 [*]增加 self attenation, 不同轮模型效果的对比