如何读懂图像补全的输出目录:dcgan-completion.tensorflow 的 hats、logs 与 completed 完整解析
如何读懂图像补全的输出目录:dcgan-completion.tensorflow 的 hats、logs 与 completed 完整解析
dcgan-completion.tensorflow 是一个基于 TensorFlow 的深度学习图像补全(Image Completion / Inpainting)开源项目,它能"脑补"出人脸、照片中缺失或被遮挡的像素。运行补全任务后,程序会生成 completions/ 输出目录,里面散落着 hats_imgs、logs、completed 等文件夹和文件。第一次接触时很容易懵:这些到底谁是谁?本文带你逐个读懂它们。
上图为项目的图像补全效果演示:图片中缺失(灰色)的区域被模型逐步"补"了回来。
输出目录是怎么来的?
所有输出都由补全入口脚本 complete.py 触发。它会读取几个关键参数:
| 参数 | 默认值 | 作用 |
|---|---|---|
--outDir |
completions |
输出根目录,下面所有内容都写在这里 |
--checkpointDir |
checkpoint |
预训练模型目录(补全前必须存在) |
--nIter |
1000 |
每张图迭代优化(反向求解)的次数 |
--outInterval |
50 |
每隔多少轮保存一次过程图 |
--maskType |
center |
缺失区域形状:center / left / random / full / grid / lowres |
真正的目录创建逻辑在 model.py 的 complete() 方法开头:程序会在 outDir 下依次创建 hats_imgs、completed、logs 三个子目录,然后再开始逐轮迭代。
🧢 hats_imgs:模型"试戴帽子"的中间过程图
hats_imgs/ 里的文件命名形如 0000.png、0050.png、0100.png……数字就是迭代轮数(见 model.py)。
- 它是什么:生成器根据当前隐向量
z(代码里叫zhats,即"帽子")直接生成的整张图像快照。 - 为什么叫 hat:补全的原理是把
z当成待优化变量,用 Adam 或 HMC 算法迭代求解,让生成结果在缺失区域尽量"贴合"原图。每一轮的z就是一个"猜想",hats 图就是这个猜想画出来的样子。 - 怎么看:
0000.png通常是一团模糊的噪声脸,随着轮数增加逐渐清晰、并逼近原图长相——这是观察补全过程最直观的方式。 - 若使用
--maskType lowres(低分辨率补高清),还会额外生成xxxx.lowres.png低分辨率版本。
📝 logs:每张图一份的"账本"
logs/ 目录下是纯文本日志,命名形如 hats_00.log、hats_01.log,一个文件对应一批中的一张输入图(见 model.py)。
每个文件的结构是:
- 首行表头:
iter loss z0 z1 ... z99(z共 100 维,即z_dim=100); - 之后每一轮迭代追加一行:本轮序号、当前补全损失
loss,以及完整的 100 维隐向量取值。
这些日志的价值:
- 画收敛曲线:用
iter和loss两列可以画出损失随迭代下降的曲线,判断补全是否收敛; - 复现与调试:隐向量
z全量记录在案,出问题时可以从某轮的z直接续算; - 对比不同策略:
--approach adam与--approach hmc两种求解方式下,日志里 loss 的下降速度和 z 的变化幅度差异明显。
✅ completed:最终的图像补全成品
completed/ 目录存放的是合成后的最终结果,同样按迭代轮数命名:0000.png、0050.png……(见 model.py)。
合成逻辑是:
completed = 带洞原图(masked_images) + 生成图在缺失区域的像素
也就是说,原图中存在的像素原样保留,只有缺失区域由模型生成内容填充。与 hats_imgs 的区别:
| 目录 | 内容 | 用途 |
|---|---|---|
hats_imgs/ |
纯生成器输出(整张都是模型画的) | 观察迭代过程 |
completed/ |
原图 + 生成内容的合成图 | 真正的补全结果 |
想快速看效果,直接取最后一轮的 completed/xxxx.png 即可;想写 GIF 展示补全过程,可以按文件名顺序把 completed/ 里所有 png 拼起来(项目自带 make_gif 工具函数可参考)。
📌 别忘了 outDir 下的三张"对照图"
除三个子目录外,outDir 根下还会直接生成对照图(model.py):
before.png:原始输入图(按 8 列拼成的网格图);masked.png:打上遮罩后的"缺图",即补全的输入;lowres.png:仅当--maskType lowres时出现,低分辨率输入图。
这三张图和 completed/ 里的成品放在一起看,就能完整回答"输入是什么 → 缺了什么 → 补成了什么"。
🗂 顺手理清:训练时的 checkpoint、samples 与 logs
如果你跑的是训练脚本 train-dcgan.py(而非补全脚本),输出目录是另一套:
| 路径 | 内容 | 生成位置 |
|---|---|---|
checkpoint/ |
模型检查点 DCGAN.model-<步数>,训练每 500 步保存一次 |
model.py |
samples/ |
train_{epoch}_{idx}.png 训练样本快照,每 100 步一张 |
model.py |
logs/ |
TensorBoard 摘要(d_loss、g_loss、生成图等),用 tensorboard --logdir logs 可视化 |
model.py |
注意这里的 logs/ 是 TensorBoard 的 summary 目录,与补全时的文本日志 logs/hats_*.log 同名但含义完全不同——前者看训练曲线,后者看补全收敛。仓库自带的 checkpoint/ 预训练模型是在 CelebA 人脸数据集上训练 20 个 epoch 的,可直接用于人脸补全。
🔍 一分钟排查:结果不理想怎么办?
- 生成图始终模糊、不收敛:打开
logs/hats_*.log看 loss 是否持续下降;下降慢可调小--lr或增大--nIter。 - 补全内容"串脸":换
--maskType(如center换left)或换一批输入图,排除模型只适合人脸(CelebA 预训练)的适用范围问题。 - 想看全过程:把
hats_imgs/和completed/里所有 png 按文件名排序合成 GIF,一眼看出第几轮开始"长脸"。 - 低分辨率补高清:加
--maskType lowres,重点看lowres.png与completed/*.lowres.png的对比。
总结
| 目录 / 文件 | 一句话含义 |
|---|---|
completions/hats_imgs/ |
隐向量 z 迭代求解的中间生成快照 |
completions/logs/hats_*.log |
每张图的逐轮 loss 与 z 值"账本" |
completions/completed/ |
原图 + 生成内容合成的最终补全结果 |
completions/before.png / masked.png |
输入图与打洞图的对照 |
checkpoint/、samples/、logs/(训练) |
模型检查点、训练样本、TensorBoard 曲线 |
读懂了这些目录,你就掌握了 dcgan-completion.tensorflow 从"训练"到"补全"的全部产出:用 hats_imgs 看过程,用 logs 查数据,用 completed 收结果。
