このプロジェクトはZhangらの研究
に基づいています．ZhangらプロジェクトをForkして，私のデータセットやモデルを入れて使ってください．
まず最初にこちら からデータセットをダウンロードしてください．訓練済みモデルが欲しい場合はこちら からダウンロードして適当な場所に入れてください．（データセットにはhelenを用いています．）
config.ymlでパラメータを設定し，以下のコマンドを実行してモデルを訓練します．
python train.py任意の画像でテストしたい場合は顔のみが映る256*256の画像を用意してください．
cascade.pyを使うことで簡単に顔をカスケードすることができます．
その場合./data/cascade/input/にカスケードしたい画像を入れて実行してください．
カスケードした画像を./data/test/test_A/に入れて以下のコマンドを実行します．
python predict.py --config <path_to_config.yml_in_the_out_dir> --test_dir <path_to_a_directory_stored_test_data> --out_dir <path_to_an_output_directory> --pretrained <path_to_a_pretrained_model> --cuda学習済みモデルの全テスト結果は./out/epoch_0001/にあります．ここでは一部を紹介します．
valデータに対する結果
未知データに対する結果
generator損失関数とPSNRの推移
cascade.pyを使うことで簡単に顔をカスケードすることができます．
その場合./data/cascade/input/にカスケードしたい画像を入れて実行してください．
カスケードした画像を全て./data/mk_datasets/data_C/に入れて以下を実行します．
python mk_mask.py./data/mk_datasets/segment_mask/にセグメンテーションマスクが出力されます．
ただし，ailia-modelの「human_part_segmentation」を用いているため，ライセンスを取得し，コード内のscript_pathにhuman_part_segmentation.py
の絶対パスを指定することを忘れないでください．
2.1~2で得たカスケード画像とセグメンテーションマスクを用いて以下のコードを実行すると， 影付き画像と影マスクを生成することができます．
python mk_datasets.pyここまで行えば，data_A, data_B, data_Cにそれぞれ影付き画像，影マスク，影なし画像 が出力されているはずです．このABCは訓練データとテストデータのABCに対応しています． お好みで移動させてください．
前項の手順を図説するとこうなります．パーリンノイズのシード値やガウシアンブラーのカーネルを
ランダム化することで多様な影を出力しています．
手法図