add image_shape argparse

contrib/HumanSeg/README.md

@@ -65,7 +65,8 @@ python train.py --model_type HumanSegMobile \
 --pretrained_weights pretrained_weights/humanseg_mobile \
 --batch_size 8 \
 --learning_rate 0.001 \
---num_epochs 10
+--num_epochs 10 \
+--image_shape 192 192
 ```
 其中参数含义如下：
 * `--model_type`: 模型类型，可选项为：HumanSegServer、HumanSegMobile和HumanSegLite
@@ -77,6 +78,7 @@ python train.py --model_type HumanSegMobile \
 * `--batch_size`: 批大小
 * `--learning_rate`: 初始学习率
 * `--num_epochs`: 训练轮数
+* `--image_shape`: 网络输入图像大小（w, h）
 
 更多命令行帮助可运行下述命令进行查看：
 ```bash
@@ -90,24 +92,28 @@ python train.py --help
 ```bash
 python val.py --model_dir output/best_model \
 --data_dir data/mini_supervisely \
---val_list data/mini_supervisely/val.txt
+--val_list data/mini_supervisely/val.txt \
+--image_shape 192 192
 ```
 其中参数含义如下：
 * `--model_dir`: 模型路径
 * `--data_dir`: 数据集路径
 * `--val_list`: 验证集列表路径
+* `--image_shape`: 网络输入图像大小（w, h）
 
 ## 预测
 使用下述命令进行预测
 ```bash
 python infer.py --model_dir output/best_model \
 --data_dir data/mini_supervisely \
---test_list data/mini_supervisely/test.txt
+--test_list data/mini_supervisely/test.txt \
+--image_shape 192 192
 ```
 其中参数含义如下：
 * `--model_dir`: 模型路径
 * `--data_dir`: 数据集路径
 * `--test_list`: 测试集列表路径
+* `--image_shape`: 网络输入图像大小（w, h）
 
 ## 模型导出
 ```bash
@@ -124,13 +130,15 @@ python export.py --model_dir output/best_model \
 python quant_offline.py --model_dir output/best_model \
 --data_dir data/mini_supervisely \
 --quant_list data/mini_supervisely/val.txt \
---save_dir output/quant_offline
+--save_dir output/quant_offline \
+--image_shape 192 192
 ```
 其中参数含义如下：
 * `--model_dir`: 待量化模型路径
 * `--data_dir`: 数据集路径
 * `--quant_list`: 量化数据集列表路径，一般直接选择训练集或验证集
 * `--save_dir`: 量化模型保存路径
+* `--image_shape`: 网络输入图像大小（w, h）
 
 ## 在线量化
 利用float训练模型进行在线量化。
@@ -143,7 +151,8 @@ python quant_online.py --model_type HumanSegMobile \
 --pretrained_weights output/best_model \
 --batch_size 2 \
 --learning_rate 0.001 \
---num_epochs 2
+--num_epochs 2 \
+--image_shape 192 192
 ```
 其中参数含义如下：
 * `--model_type`: 模型类型，可选项为：HumanSegServer、HumanSegMobile和HumanSegLite
@@ -155,3 +164,4 @@ python quant_online.py --model_type HumanSegMobile \
 * `--batch_size`: 批大小
 * `--learning_rate`: 初始学习率
 * `--num_epochs`: 训练轮数
+* `--image_shape`: 网络输入图像大小（w, h）

contrib/HumanSeg/infer.py

@@ -34,6 +34,13 @@ def parse_args():
         help='The directory for saving the inference results',
         type=str,
         default='./output/result')
+    parser.add_argument(
+        "--image_shape",
+        dest="image_shape",
+        help="The image shape for net inputs.",
+        nargs=2,
+        default=[192, 192],
+        type=int)
     return parser.parse_args()
 
 
@@ -45,7 +52,7 @@ def mkdir(path):
 
 def infer(args):
     test_transforms = transforms.Compose(
-        [transforms.Resize((192, 192)),
+        [transforms.Resize(args.image_shape),
          transforms.Normalize()])
     model = models.load_model(args.model_dir)
     added_saveed_path = osp.join(args.save_dir, 'added')

contrib/HumanSeg/quant_offline.py

@@ -42,12 +42,19 @@ def parse_args():
         help='The directory for saving the quant model',
         type=str,
         default='./output/quant_offline')
+    parser.add_argument(
+        "--image_shape",
+        dest="image_shape",
+        help="The image shape for net inputs.",
+        nargs=2,
+        default=[192, 192],
+        type=int)
     return parser.parse_args()
 
 
 def evaluate(args):
     eval_transforms = transforms.Compose(
-        [transforms.Resize((192, 192)),
+        [transforms.Resize(args.image_shape),
          transforms.Normalize()])
 
     eval_dataset = Dataset(

contrib/HumanSeg/quant_online.py

@@ -73,6 +73,13 @@ def parse_args():
         help='The interval epochs for save a model snapshot',
         type=int,
         default=1)
+    parser.add_argument(
+        "--image_shape",
+        dest="image_shape",
+        help="The image shape for net inputs.",
+        nargs=2,
+        default=[192, 192],
+        type=int)
 
     return parser.parse_args()
 
@@ -80,12 +87,12 @@ def parse_args():
 def train(args):
     train_transforms = transforms.Compose([
         transforms.RandomHorizontalFlip(),
-        transforms.Resize((192, 192)),
+        transforms.Resize(args.image_shape),
         transforms.Normalize()
     ])
 
     eval_transforms = transforms.Compose(
-        [transforms.Resize((192, 192)),
+        [transforms.Resize(args.image_shape),
          transforms.Normalize()])
 
     train_dataset = Dataset(

contrib/HumanSeg/train.py

@@ -43,6 +43,13 @@ def parse_args():
         help='Number of classes',
         type=int,
         default=2)
+    parser.add_argument(
+        "--image_shape",
+        dest="image_shape",
+        help="The image shape for net inputs.",
+        nargs=2,
+        default=[192, 192],
+        type=int)
     parser.add_argument(
         '--num_epochs',
         dest='num_epochs',
@@ -91,13 +98,13 @@ def parse_args():
 
 def train(args):
     train_transforms = transforms.Compose([
+        transforms.Resize(args.image_shape),
         transforms.RandomHorizontalFlip(),
-        transforms.Resize((192, 192)),
         transforms.Normalize()
     ])
 
     eval_transforms = transforms.Compose(
-        [transforms.Resize((192, 192)),
+        [transforms.Resize(args.image_shape),
          transforms.Normalize()])
 
     train_dataset = Dataset(

contrib/HumanSeg/val.py

@@ -29,12 +29,19 @@ def parse_args():
         help='Mini batch size',
         type=int,
         default=128)
+    parser.add_argument(
+        "--image_shape",
+        dest="image_shape",
+        help="The image shape for net inputs.",
+        nargs=2,
+        default=[192, 192],
+        type=int)
     return parser.parse_args()
 
 
 def evaluate(args):
     eval_transforms = transforms.Compose(
-        [transforms.Resize((192, 192)),
+        [transforms.Resize(args.image_shape),
          transforms.Normalize()])
 
     eval_dataset = Dataset(

contrib/HumanSeg/video_infer.py

@@ -29,6 +29,13 @@ def parse_args():
         help='The directory for saving the inference results',
         type=str,
         default='./output')
+    parser.add_argument(
+        "--image_shape",
+        dest="image_shape",
+        help="The image shape for net inputs.",
+        nargs=2,
+        default=[192, 192],
+        type=int)
 
     return parser.parse_args()
 
@@ -60,9 +67,8 @@ def recover(img, im_info):
 
 
 def video_infer(args):
-
-    resize_h = 192
-    resize_w = 192
+    resize_h = args.image_shape[1]
+    resize_w = args.image_shape[0]
 
     test_transforms = transforms.Compose(
         [transforms.Resize((resize_w, resize_h)),