LaBERT

Längensteuerbare Bildunterschrift (ECCV2020)

Dieses Repo bietet die Implementierung der längenkontrollierbaren Bildunterschrift des Papiers.

Installieren

conda create --name labert python=3.7
conda activate labert

conda install pytorch=1.3.1 torchvision cudatoolkit=10.1 -c pytorch
pip install h5py tqdm transformers==2.1.1
pip install git+https://github.com/salaniz/pycocoevalcap

Daten und vorab trainierte Modelle

• Bereiten Sie MSCOCO-Daten vor, folgen Sie dem Link.
• Laden Sie vorab trainiertes Bert und Faster-RCNN von Baidu Cloud Disk [Code: 0j9f] oder Google Drive herunter.
  • Es handelt sich um eine einheitliche Checkpoint-Datei, die eine vorab trainierte Bert-base und die fc6 Schicht des Faster-RCNN enthält.
• Laden Sie unser vorab trainiertes LaBERT-Modell von Baidu Cloud Disk [Code: fpke] oder Google Drive herunter.

Skripte

Zug

python -m torch.distributed.launch 
  --nproc_per_node= $NUM_GPUS 
  --master_port=4396 train.py 
  save_dir $PATH_TO_TRAIN_OUTPUT 
  samples_per_gpu $NUM_SAMPLES_PER_GPU

Weiter Zug

python -m torch.distributed.launch 
  --nproc_per_node= $NUM_GPUS 
  --master_port=4396 train.py 
  save_dir $PATH_TO_TRAIN_OUTPUT 
  samples_per_gpu $NUM_SAMPLES_PER_GPU 
  model_path $PATH_TO_MODEL

Schlussfolgerung

python inference.py 
  model_path $PATH_TO_MODEL 
  save_dir $PATH_TO_TEST_OUTPUT 
  samples_per_gpu $NUM_SAMPLES_PER_GPU

Auswerten

python evaluate.py 
  --gt_caption data/id2captions_test.json 
  --pd_caption $PATH_TO_TEST_OUTPUT /caption_results.json 
  --save_dir $PATH_TO_TEST_OUTPUT 

Zitieren

Bitte denken Sie darüber nach, unsere Arbeit in Ihren Publikationen zu zitieren, wenn das Projekt Ihrer Forschung hilft.

 @article{deng2020length,
  title={Length-Controllable Image Captioning},
  author={Deng, Chaorui and Ding, Ning and Tan, Mingkui and Wu, Qi},
  journal={arXiv preprint arXiv:2007.09580},
  year={2020}
}