模型使用问题

[KiltAB]

您好！请问您所训练的模型具体是怎样使用的呢？能否公布具体的应用代码呢？在此不胜感激！

[nie-lang]

都是inference.py文件，在里面指定预训练模型的路径即可（第25行）

[KiltAB]

感谢您的解答，但拜读过您的文章之后我还是有部分地方不太理解，您是怎么通过inference.py 这个代码得到文章实验部分的实验结果的呢，换言之，类似于图7、图8、图11、图12的实验结果是否也能通过inference.py的代码得到呢？

[nie-lang]

是的，如下图， warp_image即为矩形化后的结果

[KiltAB]

感谢您百忙之中抽出时间解答，我还有一个问题：inference.py 的代码可否脱离数据集，仅靠模型实现输入任意一张拼接的影像input.jpg，然后将input.jpg单独进行矩形化。如果能实现的话那输入影像的路径在哪呢？还需要修改什么参数呢？望告知，感恩戴德！

[nie-lang]

可以。

路径在constant.py中修改。

建议将其他数据集按照DIR-D数据集的格式给出（input, mask, gt)。如只有一张拼接好的图片，可以通过阈值分割或者拼接0-1图片产生mask，然后把输入图片复制一份放在gt文件夹中（由于dataloader设置了读入gt来计算指标，所以需要有gt文件夹，对于其他跨数据集的输入，则只需要关注生成的结果即可）。

[KiltAB]

您好，冒昧的在此打扰您，请问代码输出结果的尺寸是否可以修改呢？我用较大分辨率的拼接影像作为输入数据时，得到的结果往往带有部分扭曲，而且输出矩形化后的影像分辨率都固定为512×384，这个分辨率可否调整为让它随着输入影像的分辨率而适应呢？

[nie-lang]

调整分辨率可通过调整resize mesh来实现。但实际输入网络的分辨率还是512×384，只不过在warp阶段通过resize mesh可以得到分辨率更高的矩形化结果。后续会更新任意分辨率的测试代码

[nie-lang]

您好，冒昧的在此打扰您，请问代码输出结果的尺寸是否可以修改呢？我用较大分辨率的拼接影像作为输入数据时，得到的结果往往带有部分扭曲，而且输出矩形化后的影像分辨率都固定为512×384，这个分辨率可否调整为让它随着输入影像的分辨率而适应呢？

任意分辨率的测试代码已增加。
另外，矩形化后带有部分扭曲是正常现象，因为这是跨数据集的测试，可能与训练数据之间存在一定的domain gap。

[KiltAB]

感激不尽！谢谢！！！