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。

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
免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈
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:
准备
安装 Paddle MS-SSIN
In [ ]!pip install paddle_msssim登录后复制
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登录后复制
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:
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登录后复制
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:
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)登录后复制
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:
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))登录后复制
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登录后复制
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:
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)登录后复制
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))登录后复制
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登录后复制 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.webp' % (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")登录后复制 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.webp')from IPython import displaydisplay.Image('test.webp')登录后复制 input shape: [1, 3, 512, 512] size: 786432hidden shape: [1, 128, 32, 32] size: 131072output shape: [1, 3, 512, 512] size: 786432登录后复制
登录后复制
相关攻略
早些时候,聊过 Python 领域那场惊心动魄的供应链攻击。当时我就感叹,虽然我们 JavaScript 开发者对这类套路烂熟于心,但亲眼目睹这种规模的“投毒”还是头一次。 早些时候,聊过 Pyth
Toga 是 BeeWare 家族的核心成员,号称“写一次,跑遍所有平台”,而且用的是系统原生控件,不是那种一看就是网页套壳的界面 。 写了这么多年 Python,你是不是也想过:要是能一套代码跑
异常处理的核心:让错误在正确的地方被有效处理。正确的地方,就是别在底层就把异常吞了,也别在顶层还抛裸奔的 Exception。 异常处理写得好,半夜不用起来改 bug。1 你是不是也这么干过?tr
1 Skills机制概述 提起OpenClaw的Skills机制,不少人可能会把它想象成传统意义上的可执行插件。其实,它的内涵要更精妙一些。 简单说,Skills本质上是一套基于提示驱动的能力扩展机制。它并不是一个可以独立“跑”起来的程序模块,而是通过一份结构化描述文件(核心就是那个SKILL m
常见报错解析:“Access Not Configured”故障排除指南 许多开发者和团队成员在使用OpenClaw集成飞书时,都曾遭遇过一个典型的中断提示:“access not configured”(访问未配置)。该提示会明确显示您的飞书账户ID及一组唯一的配对验证码,并指出需要联系机器人所有
热门专题
热门推荐
任天堂吉祥物马里奥的宿敌酷霸王解析:为何这位反派深受喜爱?宫本茂通过电影揭示角色深层魅力 谈到任天堂的经典形象,马里奥与酷霸王这对宿敌的组合可谓深入人心。一边是永不放弃拯救碧姬公主的英雄,另一边则是不断制造混乱的恶棍,故事框架虽简单却历经三十余年依然人气不减。但仔细品味,酷霸王这个角色颇为值得玩味:
洛克王国神圣狮鹫图鉴:揭秘悬崖之王的飞行奥秘 当冒险者们踏上洛克王国的高耸悬崖,便能感受到猛烈的疾风。呼啸而过的气流远超平地的强度,然而正是这片常年不息的风域,成为了狮鹫一族最卓越的自然训练场。在这个独特的环境中,它们锤炼出了对抗强风与复杂气流的顶级飞行技巧,其背后的生存智慧,实在值得探险者们深入探
4月2日消息,三星电子最新表示,自2019年起连续七年位居全球第一。根据三星援引的市场调研公司IDC数据,2025年三星电子在全球游戏电竞显示器市场的收入占比达到18 9%。从销量来看,2025年三
内存市场因为人工智能高带宽内存的蓬勃需求而陷入供应紧张,传统内存也因大量产线被占用而供不应求。在这种大背景下,苹果似乎采取了一种争议性的商业手段,来进一步扩大其市场份额。据韩国消息人士透露,苹果公司
4月6日消息,近期内存市场风声鹤唳,现货价格小幅回调就引发了内存价格崩盘”的论调,甚至带动相关个股集体下跌,但行业龙头三星却完全不为所动,反而按计划继续上调DRAM内存产品价格,用实际行动打破了市场





