SEAN代码(2)

输入image，label分别经过生成器和判别器。

经过生成器计算的是损失和产生的图片。并且在内部损失进行反向传播，优化器进行更新。

在pix2pix_model内部：首先对输入数据进行预处理。

    def preprocess_input(self, data):
        # move to GPU and change data types
        data['label'] = data['label'].long()
        if self.use_gpu():
            data['label'] = data['label'].cuda(non_blocking=True)
            data['instance'] = data['instance'].cuda(non_blocking=True)
            data['image'] = data['image'].cuda(non_blocking=True)

        # create one-hot label map
        label_map = data['label']
        bs, _, h, w = label_map.size()
        nc = self.opt.label_nc + 1 if self.opt.contain_dontcare_label \
            else self.opt.label_nc
        input_label = self.FloatTensor(bs, nc, h, w).zero_()
        input_semantics = input_label.scatter_(1, label_map, 1.0)

        # concatenate instance map if it exists
        if not self.opt.no_instance:
            inst_map = data['instance']
            instance_edge_map = self.get_edges(inst_map)
            input_semantics = torch.cat((input_semantics, instance_edge_map), dim=1)

        return input_semantics, data['image']

在预处理代码中首先将image,label传到cuda上，接着将label转换为one-hot编码。原本的(4,1,256,256)转变成了(4,19,256,256)。最后输出编码后的label和原始的RGB。
接着计算生成器损失：

在函数内部，将RGB和编码后label输入到生成器中，产生fake image。

在SPADEGenerator函数中，首先将标签图下采样到(1,19,8,8)，然后经过一个卷积输出为(1,1024,8,8)。
接着将输入的RGB和编码后标签输入到Zencoder产生ST。

RGB经过model，在代码(1)中讲述了Zencoder的组成，最终输出大小为(1,512,128,128)。将语义图也下采样到(1,19,128,128)。

首先生成一个大小为(4,19,512)向量，4是batchsize。

向code_vector里面添值。

首先b_size为4，s_size为19。
下面计算分割图中不为0的像素总数。
接着使用segmap的掩膜选取RGB经过模型的输出，再求均值，填入到code_vector直至遍历结束。
具体来说：
1：i=0，表示第一个batch，j=0表示第一个通道。segmap.bool()表示对segmap所有值进行布尔操作。

2：segmap.bool()[0,0]，表示取第一个batch的第一个通道值。然后将所有为Ture的像素个数汇总，长宽为128的图片，为true的共有4387个像素。

3：code[i]等于选择code第几个batch的特征。

4：假设选择第一个batch的特征，将segmap.bool()[i, j]即segmap第一个batch的第一个通道值作为mask放在code[i]上。输出全为true的值。

5：将为true的值reshape为(512,xxxx)。在沿着行维度求均值。最终大小就是512.
6：将512个值填入codes_vector中。

6：首先内层遍历19次将第一个通道填满，外层再遍历4次，将4个通道填满。得到Zencoder最终输出style_codes。
接着输入到SPADEResnetBlock中：


在ACE中首先添加噪声：
噪声大小为(4,8,8,1),热后和噪声的方差(1024)相乘，将1024广播到1024x1024，(4,8,8,1)广播到(4,8,8,1024)，相乘后为(4,8,8,1024)经过转换为(4,1024,8，8)。
将segmap下采样。

生成一个全零矩阵。

这一部分的for循环和前面的一样，首先遍历batch，再遍历通道。

1：首先获得segmap中不等于0的像素总数。
2：self.getattr(‘fc_mu’ + str(j))是实例的fc_mu0属性，对应于：

3：这里是求的style_codes[i][j]，即列对应的值。
4：将512rshape为(512,1)。在扩充到(self.style_length, component_mask_area)，这里的component_mask_area是下采样后的segmap。
5：将segmap对应false的值即0用来替换掉component_mu的值。

就这样执行19次，再执行外部的batch循环。
最后的SEAN可以表示为：

用公式表示为：

将输出的结果经过leakrelu和卷积并再执行一次。
最后执行一个跳连接操作。对应于文中：

head0执行完毕。将输出结果上采样并在执行一次SAPDERES。

最后输出一个大小为(4,3,256,256)大小的RGB图。
这就是生成器的全部代码。