计算FID的方法

简单介绍

Frechet Inception 距离得分（Frechet Inception Distance score）是计算真实图像和生成图像的特征向量之间距离的一种度量。

FID 从原始图像的计算机视觉特征的统计方面的相似度来衡量两组图像的相似度，这种视觉特征是使用 Inception v3 图像分类模型计算的得到的。

分数越低代表两组图像越相似，或者说二者的统计量越相似，FID 在最佳情况下的得分为 0.0，表示两组图像相同。（其中文件夹1与文件夹2的图像数量可以不一致）

FID 分数被用于评估由生成性对抗网络生成的图像的质量，较低的分数与较高质量的图像有很高的相关性。
————————————————
版权声明：本文为CSDN博主「马鹏森」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43135178/article/details/120621393

详细概念学习

（这里也包括一些方法）

GAN的量化评估方法——IS和FID，及其pytorch代码_HNU_刘yuan的博客-CSDN博客_fid pytorch

FID使用（Frechet Inception Distance score）_马鹏森的博客-CSDN博客

具体操作！！

【强烈建议直接使用这个方法！！！】

直接下载github的这个文件夹

GitHub - clovaai/stargan-v2: StarGAN v2 - Official PyTorch Implementation (CVPR 2020)

把他放到你的project里 

按文中步骤安装依赖项，激活自己的环境：

conda activate szy

使用命令：

python -m metrics.fid --paths 路径1 路径2

路径1地址和路径2地址可以分别是文件夹地址，也可以就是两张图片的地址。

举个栗子： （我是直接给了两个文件夹的地址，每个文件夹内都有好多图片）

python -m metrics.fid --paths ../datasets/test/compare/pick10_original ../datasets/test/compare/random_reference_results

注意路径输入图像文件夹的路径哈！！因为你是先进入stargan这个文件夹里再输入图像路径的。

全部正确输入后，可以成功开始计算！！

注意哈，自己算的时候一定要记得激活自己szy这个环境！！

这个计算还是挺快的，如果数量较大的话可能要稍等一会，但是如果等了太长时间就要注意是不是有问题了