IQA视觉问答在互动环境中的开源项目指南

本指南旨在帮助您理解并使用Daniel Gordon等人在CVPR 2018上发表的论文“IQA: Visual Question Answering in Interactive Environments”的开源实现。此项目提供了一套完整的代码库来训练和评估互动环境下视觉问答的各种模型。

1. 项目目录结构及介绍

以下是项目的主目录结构以及关键子目录的功能说明：

thor-iqa-cvpr-2018/
├── darknet_object_detection          # YOLOv3分支相关代码和权重文件
├── depth_estimation_network         # 深度估计网络的代码和资产
├── generate_questions               # 自动生成问题的脚本和数据
├── graphs                            # 图相关的文件或配置
├── layouts                           # 布局信息
├── networks                          # 各种神经网络模型
├── qa_agents                         # 问题回答代理（智能体）的实现
├── question_embedding                # 问题编码模块
├── questions                         # 包含训练和测试问题的子集
│   ├── train, unseen_scenes, seen_scenes # 分别对应不同场景的问题
│   └── 内部含有不同类型的问答数据集
├── reinforcement_learning           # 强化学习相关代码
├── supervised                        # 监督学习部分代码
├── thor_tests                        # 测试THOR环境是否设置正确的脚本
├── utils                             # 实用工具函数
├── visualizations                    # 训练过程中的可视化图像存储位置
├── .gitignore
├── LICENSE
├── README.md                         # 项目读我文件，包含安装和运行指导
├── __init__.py                       # 初始化Python包
├── constants.py                      # 全局配置变量，非常重要
├── download_weights.sh              # 下载预训练权重的脚本
├── eval.py                          # 用于模型评估的脚本
├── run_thor_tests.py                 # 确保THOR环境正常运作的测试脚本
└── train.py                          # 训练模型的主要脚本

2. 项目的启动文件介绍

主要启动文件

• run_thor_tests.py: 这个脚本用来测试AI2THOR环境是否已正确安装，并能在您的系统上运行。它是个快速检查，确保后续的开发与训练可以顺利进行。
• train.py: 训练模型的入口点。通过修改constants.py中的TASK变量，您可以选择要训练的特定任务，如导航、语言模型、或强化学习等。
• eval.py: 用于模型评估的脚本，同样需要先设置好相应的参数，尤其是TEST_SET以确定是评估在见过还是未见过的场景中。

3. 项目的配置文件介绍

• constants.py: 核心配置文件，其中定义了诸如任务类型(TASK)、测试集合(TEST_SET)、是否开启绘图(DRAWING)等关键参数。对于任何实验前的自定义设置，都应首先查看并可能修改这个文件。
• requirements.txt: 列出了项目依赖的所有Python库及其版本，用于确保环境的一致性。安装时，通过pip install -r requirements.txt命令自动安装这些依赖项。
• download_weights.sh: 脚本用于下载预训练的权重，包括深度估计网络、YOLOv3在THOR上的训练结果以及其他必要的网络权重。

注意事项

• 在开始之前，请确保您的环境满足CUDA、cuDNN、Darknet以及Python 3.5+的要求。
• 使用虚拟环境来管理项目依赖，遵循“First Time Setup”中的步骤。
• 对于不同的实验需求，详细阅读README.md，调整constants.py中的相关配置。

通过上述指引，您将能够有效地准备环境，理解和操作此开源项目，进一步探索互动环境下的视觉问答技术。