【亲测免费】 Quick Draw 不规则遮罩数据集(QD-IMD) 使用与安装指南
2026-01-14 17:51:19作者:盛欣凯Ernestine
本指南将带你深入了解如何安装并使用 Quick Draw Irregular Mask Dataset (QD-IMD),一个基于5000万个手绘图案的开源数据集,旨在提供更为真实的图像修复任务训练数据。
1. 项目目录结构及介绍
QD-IMD项目的目录结构大致如下:
qd-imd/
├── generate_dataset.py # 数据集生成脚本
├── README.md # 项目说明文档
├── requirements.txt # 必需的Python包列表
├── .gitignore # 忽略的文件或文件夹配置
└── LICENSE # 许可证文件,遵循MIT协议
- generate_dataset.py: 负责根据设定参数生成不规则遮罩的数据集。
- requirements.txt: 包含项目运行所需的Python库列表。
- README.md: 提供项目概述、数据集生成方法和使用指导。
- .gitignore: 指定不需要纳入版本控制的文件类型或名称。
- LICENSE: MIT许可证文本,描述了代码的使用权限和限制。
2. 项目的启动文件介绍
generate_dataset.py
这是核心脚本,用于自动生成QD-IMD数据集。它的工作流程包括随机选取画笔笔触数量、从Quick Draw数据集中采样笔触、设置笔触宽度、进行画布放缩、中央裁剪到特定尺寸(默认512x512),以及二值化处理以形成最终的遮罩图。用户可以通过命令行参数定制生成过程。
3. 项目的配置文件介绍
QD-IMD项目并不直接提供一个传统意义上的配置文件,但其依赖于generate_dataset.py中的参数来定制数据生成的过程。这些参数并非存储在独立的配置文件中,而是通过脚本直接调用或者作为命令行参数来配置。例如,若需调整生成遮罩时使用的笔触平均数量、宽度范围或目标图片尺寸等,可通过修改脚本内部的相关变量或在执行脚本时提供相应的命令行选项来实现。
安装与使用步骤
步骤一:克隆项目
首先,通过Git克隆仓库到本地:
git clone https://github.com/karfly/qd-imd.git
cd qd-imd
步骤二:下载Quick Draw数据集简化版
你需要从Google云端硬盘获取Quick Draw数据集简化版。具体步骤见项目README.md。
步骤三:环境准备
确保安装所有必需的Python包:
pip install -r requirements.txt
步骤四:生成数据集
运行generate_dataset.py脚本来创建数据集。你可以查看帮助信息了解参数详情:
python generate_dataset.py --help
然后,按需求无参数运行或指定自定义参数来生成数据集:
python generate_dataset.py
通过以上步骤,你就成功地设置了QD-IMD数据集的开发环境,并可以根据需求生成自定义的不规则遮罩数据,进一步应用于图像修复或其他相关计算机视觉任务中。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
474
3.54 K
React Native鸿蒙化仓库
JavaScript
287
339
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
224
93
Ascend Extension for PyTorch
Python
283
316
暂无简介
Dart
724
175
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
10
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
849
441
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.27 K
701
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19