README.zh-CN.md

语言: 🇨🇳 🇺🇸

«RotNet»实现了基于深度学习的图像旋转校正

内容列表

• 内容列表
• 背景
• 安装
• 使用
  • 如何操作
  • 如何添加数据集
• 主要维护人员
• 致谢
• 参与贡献方式
• 许可证

背景

在网上找资料，发现可以通过深度学习算法检测图像旋转角度，参考：

• d4nst/RotNet
• Correcting Image Orientation Using Convolutional Neural Networks
• Image Orientation Estimation with Convolutional Networks
• UNSUPERVISED REPRESENTATION LEARNING BY PREDICTING IMAGE ROTATIONS

其相应的实现并不能满足当前的性能要求，所以自己实现一个

安装

$ pip install -r requirements.txt

使用

如何操作

• 训练

$ export PYTHONPATH=<root path>
$ CUDA_VISIBLE_DEVICES=0 python tools/train.py -cfg=configs/xxx.yaml

• 测试

$ export PYTHONPATH=<root path>
$ CUDA_VISIBLE_DEVICES=0 python demo/demo.py -cfg=demo/xxx.yaml

如何添加数据集

假定数据集格式按以下方式排列：

root/dog/xxx.png
root/dog/xxy.png
root/dog/xxz.png

root/cat/123.png
root/cat/nsdf3.png
root/cat/asd932_.png

修改配置文件如下：

DATASET:
  NAME: 'GeneralDataset'
  TRAIN_ROOT: /path/to/train_root
  TEST_ROOT: /path/to/test_root
  TOP_K: (1, 5)

主要维护人员

• zhujian - Initial work - zjykzj

致谢

• d4nst/RotNet
• ZJCV/ZCls

参与贡献方式

欢迎任何人的参与！打开issue或提交合并请求。

注意:

• GIT提交，请遵守Conventional Commits规范
• 语义版本化，请遵守Semantic Versioning 2.0.0规范
• README编写，请遵守standard-readme规范

许可证

Apache License 2.0 © 2020 zjykzj