Paddle MS-SSIM:训练一个用于图像压缩的自编码器

P粉084495128
发布: 2025-07-17 10:21:01
原创
949人浏览过
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。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

paddle ms-ssim:训练一个用于图像压缩的自编码器 - php中文网

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

  • 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:

    Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - php中文网                

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

    AI图像编辑器
    AI图像编辑器

    使用文本提示编辑、变换和增强照片

    AI图像编辑器 46
    查看详情 AI图像编辑器
  • 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:

    Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - php中文网                

  • 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:

    Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - php中文网                

In [ ]
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:

    Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - php中文网                

In [ ]
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:

    Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - php中文网                

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.png' % (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.jpg')from IPython import display
display.Image('test.jpg')
登录后复制
       
input shape: [1, 3, 512, 512] size: 786432
hidden shape: [1, 128, 32, 32] size: 131072
output shape: [1, 3, 512, 512] size: 786432
登录后复制
       
<IPython.core.display.Image object>
登录后复制
               

以上就是Paddle MS-SSIM:训练一个用于图像压缩的自编码器的详细内容,更多请关注php中文网其它相关文章!

相关标签:
最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新 English
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号