[代码]利用python+pytorch复现Cascaded Partial Decoder for Fas

本文适用于初学者进行代码复现，便于初学者更好地体会代码以及论文的含义。

原论文：Cascaded Partial Decoder for Fast and Accurate Salient Object Detection（CPD）

原文链接代码：代码
下载好代码后下载数据集ECSSD和DUTS-TE（选择下载两个）将两个数据集放入文件夹中。（文件夹后文会展示）
再在原文链接中下载

放入\CPD-master文件夹下。
将vgg.py文件内的

 # pre_train = torch.load('G:/Github/Saliency/CPD-master/model/vgg16-397923af.pth')
        # self._initialize_weights(pre_train)

两行注释掉。（这两行用于预训练）
然后修改代码路径：

dataset_path = 'E:/pytorchlearn/CPD-master/CPD-master/data/ECSSD'
dataset_path = './data/'

这两种写成哪一种都可以（对于初学者来说路径真是令人头疼）。
然后数据集这里改成：

test_datasets = ['DUTS-TE','ECSSD']

然后将数据集放在上述路径下，并更更改mask和images的名字


由于scipy.misc无法调用imsave，经查找，使用opencv进行图片保存。
在anaconda ptompt中，输入conda activate pytorch激活pytorch，然后输入下列命令即可安装opencv（由于我pytorch就是使用conda安装因此opencv也使用conda安装）

conda install -c https://conda.binstar.org/menpo opencv

然后将imsave代码行注释掉使用cv2.imwrite存储图片，在代码最开始也要加import cv2

 # misc.imsave(save_path+name, res)
 cv2.imwrite(save_path+name, res)

然后运行test_CPD.py文件，运行之前要在pycharm中配置好环境。
原mask（DUTS-TE数据集）


上图为预测结果。
可见在某些图片预测结果和原mask还是存在一些差距。
以上是利用已经训练好的模型进行预测，如果想自己训练可运行train.py文件进行训练。
接下来的几篇我可能会写论文的学习笔记。还是有关显著性检测方面的。