CAT-Net复现保姆级教程（更新中

CAT-Net:用于图像拼接检测和定位的压缩伪迹跟踪网络
发布于WACV2021
代码链接：https://github.com/mjkwon2021/CAT-Net

1.设置环境

conda创建虚拟环境并激活

conda create -n cat python=3.6
conda activate cat

按照项目要求配置环境

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0 -c pytorch

版本太低了，conda和pip没有办法直接安装，去PyTorch 官方提供的历史版本页面下载（Previous PyTorch Versions | PyTorch）

找到对应的版本下载链接：

我是没有GPU的，选择链接：

https://download.pytorch.org/whl/cpu/torch_stable.html

进入网页

前面环境中的python是3.6的，所以我们这里下载：

 下载得到两个文件

 我这里两个文件是下载在D盘的，打开终端，进入D盘，进行下载（注意在cat虚拟环境中）：

下载完成后可以进行检查：

python
import torch
import torchvision
print(torch.__version__)
print(torchvision.__version__)
print(torch.cuda.is_available())

 下载其它需要的环境：

pip install -r requirements.txt

注意需要进到txt文件所在的文件夹，例如我在下载时候的终端是这样的：

(cat) PS D:\CAT-Net-main\CAT-Net-main> conda pip install -r requirements.txt

 我出现了一个小问题，是版本不兼容的原因，使用可以兼容的版本即可：

 pip install protobuf==3.19.6

再重新配置环境。

pip install -r requirements.txt

到这里就完成环境的配置了。

后续进行运行的时候，出现了问题，发现有包没有安装好，克隆jpegio出现了问题，在这里我进行了手动安装（没有出现问题的可以跳过这一步）：

在终端执行以下命令克隆库：

git clone https://github.com/dwgoon/jpegio.git

进入刚克隆的库：

cd jpegio

 使用pip安装该库

pip install .

2.准备数据集

下载 tampCOCO / compRAISE

我这里下载的是tampCOCO：数据集有点大，注意内存

https://www.kaggle.com/datasets/qsii24/tampcoco

解压得到

修改配置文件

readme文件中指出需要在 'project_config.py' 中正确设置路径，我们先来了解一下这个文件：

"""
 Created by Myung-Joon Kwon
 mjkwon2021@gmail.com
 July 7, 2020
"""
from pathlib import Path

project_root = Path(__file__).parent
dataset_root = Path(r"C:\Users\mmc\Downloads\Splicing")
dataset_paths = {
    # Specify where are the roots of the datasets.
    'FR': dataset_root / "FantasticReality_v1",
    'IMD': dataset_root / "IMD2020",
    'CASIA': dataset_root / "CASIA",
    # 'NC16': dataset_root / "NC2016_Test",
    # 'Columbia': dataset_root / "Columbia Uncompressed Image Splicing Detection",
    # 'Carvalho': dataset_root / "tifs-database",
    # 'tampCOCO': dataset_root / "tampCOCO",
    # 'compRAISE': dataset_root / "compRAISE",
    # 'COVERAGE': dataset_root / "COVERAGE",
    # 'CoMoFoD': dataset_root / "CoMoFoD_small_v2",
    # 'GRIP': dataset_root / "CMFDdb_grip",
    'SAVE_PRED': project_root / "output_pred"
}

这段代码使用pathlib库定义并管理不同图像篡改检测数据集的路径，通过使用字典结构方便地管理多个数据集，同时设置了预测输出文件夹的位置

原文地址：https://blog.csdn.net/qq_55552561/article/details/142980519

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！