fix spade infer (#3575)

* fix spade

* update SPADE

* update spade

* update infer

* update infer

PaddleCV/PaddleGAN/README.md

@@ -16,7 +16,7 @@
 
 ## 模型简介
 
-本图像生成模型库包含CGAN\[[3](#参考文献)\], DCGAN\[[4](#参考文献)\], Pix2Pix\[[5](#参考文献)\], CycleGAN\[[6](#参考文献)\], StarGAN\[[7](#参考文献)\], AttGAN\[[8](#参考文献)\], STGAN\[[9](#参考文献)\]。
+本图像生成模型库包含CGAN\[[3](#参考文献)\], DCGAN\[[4](#参考文献)\], Pix2Pix\[[5](#参考文献)\], CycleGAN\[[6](#参考文献)\], StarGAN\[[7](#参考文献)\], AttGAN\[[8](#参考文献)\], STGAN\[[9](#参考文献)\], SPADE\[[13](#参考文献)\]。
 
 注意：
 1. StarGAN，AttGAN和STGAN由于梯度惩罚所需的操作目前只支持GPU，需使用GPU训练。
@@ -86,6 +86,7 @@ StarGAN，AttGAN和STGAN采用celeba\[[11](#参考文献)\]数据集进行属性
 通过指定dataset参数来下载相应的数据集。
 
 StarGAN, AttGAN和STGAN所需要的[Celeba](http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html)数据集可以自行下载。
+SPADE使用的[cityscapes](https://www.cityscapes-dataset.com)数据集可以自行下载。下载完成后新建一个目录data/cityscapes/，并在目录下准备3个子目录，分别是真实图片、分割图、实例图。准备一个train_list和test_list，每一行的顺序是分割图\t真实图\t实例图。
 
 **自定义数据集：**
 如果您要使用自定义的数据集，只要设置成对应的生成模型所需要的数据格式，并放在data文件夹下，然后把`--dataset`参数设置成您自定义数据集的名称，data_reader.py文件就会自动去data文件夹中寻找数据。
@@ -113,6 +114,7 @@ StarGAN, AttGAN和STGAN所需要的[Celeba](http://mmlab.ie.cuhk.edu.hk/projects
 
 - 每个GAN都给出了一份运行示例，放在scripts文件夹内，用户可以直接运行训练脚本快速开始训练。
 - 用户可以通过设置`--model_net`参数来选择想要训练的模型，通过设置`--dataset`参数来选择训练所需要的数据集。
+- SPADE模型的训练需要在主目录下新建一个VGG19_pretrained目录，从[该链接](https://paddle-imagenet-models-name.bj.bcebos.com/VGG19_pretrained.tar)下载在ImageNet上预训练好的VGG19模型，解压之后把VGG19模型的参数名改成`vgg19_`开头的参数名。
 
 ### 模型测试
 模型测试是利用训练完成的生成模型进行图像生成。infer.py是主要的执行程序，调用示例如下：
@@ -183,6 +185,7 @@ STGAN的效果图(图片属性分别为：original image, Bald, Bangs, Black Hai
 | StarGAN  | [StarGAN的预训练模型](https://paddle-gan-models.bj.bcebos.com/stargan_G.tar.gz)  |
 | AttGAN   | [AttGAN的预训练模型](https://paddle-gan-models.bj.bcebos.com/attgan_G.tar.gz)   |
 | STGAN    | [STGAN的预训练模型](https://paddle-gan-models.bj.bcebos.com/stgan_G.tar.gz)    |
+| SPADE    | [SPADE的预训练模型]()  ([SPADE需要的vgg预训练模型]())
 
 
 ## 进阶使用
@@ -202,6 +205,8 @@ AttGAN利用分类损失和重构损失来保证改变特定的属性，可用
 
 STGAN只输入有变化的标签，引入GRU结构，更好的选择变化的属性，可用于人脸特定属性转换。
 
+SPADE提出一种考虑空间语义信息的归一化方法，从而更好的保留语义信息，生成更为逼真的图像，可用于图像翻译。
+
 ### 模型概览
 
 - Pix2Pix由一个生成网络和一个判别网络组成。生成网络中编码部分的网络结构都是采用`convolution-batch norm-ReLU`作为基础结构，解码部分的网络结构由`transpose convolution-batch norm-ReLU`组成，判别网络基本是由`convolution-norm-leaky_ReLU`作为基础结构，详细的网络结构可以查看`network/Pix2pix_network.py`文件。生成网络提供两种可选的网络结构：Unet网络结构和普通的encoder-decoder网络结构。网络利用损失函数学习从输入图像到输出图像的映射，生成网络损失函数由GAN的损失函数和L1损失函数组成，判别网络损失函数由GAN的损失函数组成。生成器的网络结构如下图所示：
@@ -245,6 +250,13 @@ AttGAN的网络结构[8]
 STGAN的网络结构[9]
 </p>
 
+- SPADE中整体网络结构如下图所示。SPADE在网络中的卷积层使用了[谱归一化](\[[12](#参考文献)\])，把输入图像的语义mask图像作为生成网络输入，拼接了语义mask和生成器的输出为判别网络的输入。SPADE提出了一种基于空间信息的归一化方法\(SPatially-Adaptive \(DE\)normalization\)，在进行归一化的时候可以更好的利用语义信息，从而生成更为逼真的图像。更为具体的网络结构可以参考network/SPADE_network.py文件或者论文中的附录部分。
+
+<p align="center">
+<img src="images/spade_net.png" width=800 /> <br />
+SPADE整体的网络结构[10]
+</p>
+
 
 注意：网络结构中的norm指的是用户可以选用batch norm或者instance norm来搭建自己的网络。
 
@@ -291,6 +303,10 @@ STGAN的网络结构[9]
 
 [11] [Deep Learning Face Attributes in the Wild](https://arxiv.org/abs/1411.7766)
 
+[12] [Spectral Normalization for Generative Adversarial Networks](https://arxiv.org/abs/1802.05957)
+
+[13] [Semantic Image Synthesis with Spatially-Adaptive Normalization](https://arxiv.org/abs/1903.07291)
+
 
 ## 版本更新
 

PaddleCV/PaddleGAN/data_reader.py

@@ -618,6 +618,11 @@ class data_reader(object):
                 train_list = os.path.join(dataset_dir, 'train.txt')
                 if self.cfg.train_list is not None:
                     train_list = self.cfg.train_list
+                if not os.path.exists(train_list):
+                    print(
+                        "train_list is NOT EXIST!!! Please prepare train list first"
+                    )
+                    sys.exit(1)
                 train_reader = triplex_reader_creator(
                     image_dir=dataset_dir,
                     list_filename=train_list,
@@ -629,6 +634,11 @@ class data_reader(object):
                     test_list = os.path.join(dataset_dir, "test.txt")
                     if self.cfg.test_list is not None:
                         test_list = self.cfg.test_list
+                    if not os.path.exists(test_list):
+                        print(
+                            "test_list is NOT EXIST!!! Please prepare test list first"
+                        )
+                        sys.exit(1)
                     test_reader = triplex_reader_creator(
                         image_dir=dataset_dir,
                         list_filename=test_list,

PaddleCV/PaddleGAN/infer.py

@@ -169,12 +169,14 @@ def infer(args):
         model = DCGAN_model(args.n_samples)
         fake = model.network_G(noise, name="G")
     elif args.model_net == 'SPADE':
+        label_shape = [-1, args.label_nc, args.crop_height, args.crop_width]
+        spade_data_shape = [-1, 1, args.crop_height, args.crop_width]
         from network.SPADE_network import SPADE_model
         model = SPADE_model()
         input_label = fluid.layers.data(
-            name='input_label', shape=data_shape, dtype='float32')
+            name='input_label', shape=label_shape, dtype='float32')
         input_ins = fluid.layers.data(
-            name='input_ins', shape=data_shape, dtype='float32')
+            name='input_ins', shape=spade_data_shape, dtype='float32')
         input_ = fluid.layers.concat([input_label, input_ins], 1)
         fake = model.network_G(input_, "generator", cfg=args, is_test=True)
     else:
@@ -319,10 +321,12 @@ def infer(args):
             shuffle=False,
             batch_size=1,
             mode="TEST")
+        id2name = test_reader.id2name
         reader_test = test_reader.make_reader(args, return_name=True)
         for data in zip(reader_test()):
             data_A, data_B, data_C, name = data[0]
-            name = name[0]
+            name = id2name[np.array(name).astype('int32')[0]]
+            print("read: ", name)
             tensor_A = fluid.LoDTensor()
             tensor_C = fluid.LoDTensor()
             tensor_A.set(data_A, place)

PaddleCV/PaddleGAN/network/CGAN_network.py

@@ -83,7 +83,7 @@ class CGAN_model(object):
             name=name + '_dc2',
             output_size=[self.img_w, self.img_h])
         out = fluid.layers.reshape(o_dc2, [-1, self.img_w * self.img_h])
-        return o_dc2
+        return out
 
     def network_D(self, input, label, name="discriminator"):
         # concat image and label

PaddleCV/PaddleGAN/scripts/infer_SPADE.sh

+python infer.py --model_net SPADE --test_list ./data/cityscapes/test_list --load_height 512 --load_width 1024 --crop_height 512 --crop_width 1024 --dataset_dir ./data/cityscapes/ --init_model ./spade_py37/checkpoints/99/

PaddleCV/PaddleGAN/scripts/run_SPADE.sh

 export FLAGS_eager_delete_tensor_gb=0.0
 export FLAGS_fast_eager_deletion_mode=1
 export FLAGS_fraction_of_gpu_memory_to_use=0.01
-CUDA_VISIBLE_DEVICES=0 python train.py --model_net SPADE --dataset cityscapes --train_list train_list --test_list val_list --crop_type Random --batch_size 1 --epoch 200 --load_height 612 --load_width 1124 --crop_height 512 --crop_width 1024 --label_nc 36
+CUDA_VISIBLE_DEVICES=0 python train.py --model_net SPADE --dataset cityscapes --train_list ./data/cityscapes/train_list --test_list ./data/cityscapes/val_list --crop_type Random --batch_size 1 --epoch 200 --load_height 612 --load_width 1124 --crop_height 512 --crop_width 1024 --label_nc 36

PaddleCV/PaddleGAN/trainer/SPADE.py

@@ -19,6 +19,7 @@ from network.SPADE_network import SPADE_model
 from util import utility
 import paddle.fluid as fluid
 import sys
+import os
 import time
 import network.vgg as vgg
 import pickle as pkl
@@ -316,6 +317,12 @@ class SPADE(object):
         place = fluid.CUDAPlace(0) if self.cfg.use_gpu else fluid.CPUPlace()
         exe = fluid.Executor(place)
         exe.run(fluid.default_startup_program())
+
+        if not os.path.exists(self.cfg.vgg19_pretrain):
+            print(
+                "directory VGG19_pretrain NOT EXIST!!! Please download VGG19 first."
+            )
+            sys.exit(1)
         gen_trainer.vgg.load_vars(exe, gen_trainer.program,
                                   self.cfg.vgg19_pretrain)