Q&A
コードを細かく読んでませんが、カラー画像をカラーのまま扱うなら、「main_train.py」の
if __name__ == '__main__':
のちょっと下の
model = DnCNN(...
の「image_channels=1」は、カラーのRGBを全部入力できるように「...=3」にしないといけないのではないですかね
下記のGithubからダウンロードしたDnCNNで学習を行い、保存したモデルで実際にノイズを除去しています。その際、白黒画像のノイズ除去はできるのですがカラー画像を読み込む際に止まってしまいます。
学習コードは何も変えていません。
testコードは読み込むディレクトリと保存するディレクトリを変更しました。
また、関数def show内のplt.imshow(x,interpolation='nearest',cmap='gray')をplt.imshow(x,interpolation='nearest'）に変更しました。
それぞれのディレクトリ構成は以下です。
読み込むディレクトリ：
data
｜ーorigーset(カラー画像と白黒画像が入っている)
｜ーTestーset12,set68
｜ーTrain400
保存するディレクトリ：
result_imgーSet
カラー画像を使えるようにするにはどうしたらいいでしょうか？
環境はubuntu18.04,tensorflow1.5.0,keras2.2.4です。
LINK
# -*- coding: utf-8 -*- # ============================================================================= # @article{zhang2017beyond, # title={Beyond a {Gaussian} denoiser: Residual learning of deep {CNN} for image denoising}, # author={Zhang, Kai and Zuo, Wangmeng and Chen, Yunjin and Meng, Deyu and Zhang, Lei}, # journal={IEEE Transactions on Image Processing}, # year={2017}, # volume={26}, # number={7}, # pages={3142-3155}, # } # by Kai Zhang (08/2018) # cskaizhang@gmail.com # https://github.com/cszn # modified on the code from https://github.com/husqin/DnCNN-keras # ============================================================================= # run this to test the model import argparse import os, time, datetime #import PIL.Image as Image import numpy as np from keras.models import load_model, model_from_json from skimage.measure import compare_psnr, compare_ssim from skimage.io import imread, imsave def parse_args(): parser = argparse.ArgumentParser() parser.add_argument('--set_dir', default='data/orig', type=str, help='directory of test dataset') parser.add_argument('--set_names', default=['set'], type=list, help='name of test dataset') parser.add_argument('--sigma', default=25, type=int, help='noise level') parser.add_argument('--model_dir', default=os.path.join('models','DnCNN_sigma25'), type=str, help='directory of the model') parser.add_argument('--model_name', default='model_010.hdf5', type=str, help='the model name') parser.add_argument('--result_dir', default='result_img', type=str, help='directory of results') #parser.add_argument('--result_names', default=['Set'], type=list, help='name of resulet image') parser.add_argument('--save_result', default=1, type=int, help='save the denoised image, 1 or 0') return parser.parse_args() def to_tensor(img): if img.ndim == 2: return img[np.newaxis,...,np.newaxis] elif img.ndim == 3: return np.moveaxis(img,2,0)[...,np.newaxis] def from_tensor(img): return np.squeeze(np.moveaxis(img[...,0],0,-1)) def log(*args,**kwargs): print(datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S:"),*args,**kwargs) def save_result(result,path): path = path if path.find('.') != -1 else path+'.png' ext = os.path.splitext(path)[-1] if ext in ('.txt','.dlm'): np.savetxt(path,result,fmt='%2.4f') else: imsave(path,np.clip(result,0,1)) def show(x,title=None,cbar=False,figsize=None): import matplotlib.pyplot as plt plt.figure(figsize=figsize) #plt.imshow(x,interpolation='nearest',cmap='gray') plt.imshow(x,interpolation='nearest') print("***************************************") if title: plt.title(title) if cbar: plt.colorbar() plt.show() if __name__ == '__main__': args = parse_args() # ============================================================================= # # serialize model to JSON # model_json = model.to_json() # with open("model.json", "w") as json_file: # json_file.write(model_json) # # serialize weights to HDF5 # model.save_weights("model.h5") # print("Saved model") # ============================================================================= if not os.path.exists(os.path.join(args.model_dir, args.model_name)): # load json and create model json_file = open(os.path.join(args.model_dir,'model.json'), 'r') loaded_model_json = json_file.read() json_file.close() model = model_from_json(loaded_model_json) # load weights into new model model.load_weights(os.path.join(args.model_dir,'model_010.hdf5')) log('load trained model on Train400 dataset by kai') else: model = load_model(os.path.join(args.model_dir, args.model_name),compile=False) log('load trained model') if not os.path.exists(args.result_dir): os.mkdir(args.result_dir) for set_cur in args.set_names: if not os.path.exists(os.path.join(args.result_dir,set_cur)): os.mkdir(os.path.join(args.result_dir,set_cur)) psnrs = [] ssims = [] for im in os.listdir(os.path.join(args.set_dir,set_cur)): if im.endswith(".jpg") or im.endswith(".bmp") or im.endswith(".png"): #x = np.array(Image.open(os.path.join(args.set_dir,set_cur,im)), dtype='float32') / 255.0 x = np.array(imread(os.path.join(args.set_dir,set_cur,im)), dtype=np.float32) / 255.0 np.random.seed(seed=0) # for reproducibility y = x + np.random.normal(0, args.sigma/255.0, x.shape) # Add Gaussian noise without clipping y = y.astype(np.float32) y_ = to_tensor(y) start_time = time.time() x_ = model.predict(y_) # inference elapsed_time = time.time() - start_time print('%10s : %10s : %2.4f second'%(set_cur,im,elapsed_time)) x_=from_tensor(x_) psnr_x_ = compare_psnr(x, x_) ssim_x_ = compare_ssim(x, x_) if args.save_result: name, ext = os.path.splitext(im) show(np.hstack((y,x_))) # show the image save_result(x_,path=os.path.join(args.result_dir,set_cur,name+'_dncnn'+ext)) # save the denoised image print('===============================') psnrs.append(psnr_x_) #print("1111111111") ssims.append(ssim_x_) #print("22222222222222" psnr_avg = np.mean(psnrs) ssim_avg = np.mean(ssims) psnrs.append(psnr_avg) ssims.append(ssim_avg) if args.save_result: save_result(np.hstack((psnrs,ssims)),path=os.path.join(args.result_dir,set_cur,'results.txt')) log('Datset: {0:10s} \n PSNR = {1:2.2f}dB, SSIM = {2:1.4f}'.format(set_cur, psnr_avg, ssim_avg))
カラー画像読み込み時に出力される警告文
main_test.py:127: UserWarning: DEPRECATED: skimage.measure.compare_psnr has been moved to skimage.metrics.peak_signal_noise_ratio. It will be removed from skimage.measure in version 0.18. psnr_x_ = compare_psnr(x, x_) main_test.py:128: UserWarning: DEPRECATED: skimage.measure.compare_ssim has been moved to skimage.metrics.structural_similarity. It will be removed from skimage.measure in version 0.18. ssim_x_ = compare_ssim(x, x_) *************************************** WARNING:imageio:Lossy conversion from float32 to uint8. Range [0, 1]. Convert image to uint8 prior to saving to suppress this warning. =============================== 2021-07-12 11:06:44.320393: W tensorflow/core/framework/allocator.cc:107] Allocation of 3221225472 exceeds 10% of system memory. 2021-07-12 11:06:44.657304: W tensorflow/core/framework/allocator.cc:107] Allocation of 3221225472 exceeds 10% of system memory. terminate called after throwing an instance of 'std::bad_alloc' what(): std::bad_alloc 中止 (コアダンプ)
チャンネルを変えましたが、「data_generator.py」の方でエラーが出てしまい学習ができませんでした。
「data_generator.py」のカラーチャンネルに関係ありそうな部分をわかる限りで変更しましたが解決できませんでした。
当方のMacで、自分で学習はせずに、いきなり「main_test.py」を動かしたら、カラー画像でも正常に(カラーのまま)表示されました
「main_test.py」は下記を変更しましたが、それは「scikit-image」の新し目のバージョンでは名前が変わっていて、そのままではimportできないからです
質問者さんの環境では、警告は出てますがエラーにはなってないので、古いバージョンが入っているのでしょう
from skimage.measure import compare_psnr, compare_ssim
↓ 変更
from skimage.metrics import peak_signal_noise_ratio, structural_similarity
psnr_x_ = compare_psnr(x, x_)
ssim_x_ = compare_ssim(x, x_)
↓ 変更
psnr_x_ = peak_signal_noise_ratio(x, x_)
ssim_x_ = structural_similarity(x, x_, multichannel=True)
上記以外はそのままです
質問者さんが質問に書いてる「def show」の変更はしてません
当方の環境
Python 3.7.7
tensorflow 1.15.3
Keras 2.3.1
scikit-image 0.18.1
> terminate called after throwing an instance of 'std::bad_alloc’
は、
https://teratail.com/questions/141567
によると、メモリー不足で起きるようです
質問者さんがテストしている画像のサイズが大きすぎるのかもしれません
サイズが小さい画像で試してみてください
当方でテストしたカラー画像は、640x480画素くらいの小さなものです
あと、もしGPU使ってるなら、GPU使わずCPUだけでも試してみてください
ご指摘のとおりに画像をリサイズし小さくしたところ読み込むことができました。どうやら、画像のサイズが大きすぎたようです。
ありがとうございました。
「main_train.py」ですが、学習に使ってる「data/Train400」にある画像は全部グレースケールなので、それだけを使う場合は、上に書いた「model = DnCNN(...」の「image_channels=1」の変更は不要です
失礼しました
学習にカラー画像を使いたい場合にどうするのか (あるいは何もしなくてもいいのか) は、コード詳しく読んでないので、わかりません
回答1件
0
ベストアンサー
terminate called after throwing an instance of 'std::bad_alloc’
は、
Tensorflowで'std::bad_alloc'エラー
によると、メモリー不足で起きるようです
質問者さんがテストしている画像のサイズが大きすぎるのかもしれません
サイズが小さい画像で試してみてください
投稿2021/07/18 07:44
総合スコア7651
あなたの回答
tips
プレビュー
