0

0

Paddle MS-SSIM:训练一个用于图像压缩的自编码器

P粉084495128

P粉084495128

发布时间:2025-07-17 10:21:01

|

966人浏览过

|

来源于php中文网

原创

本文介绍了使用SSIM或MS-SSIM作为损失函数训练图像压缩自编码器的方法。自编码器含编码器与解码器,编码器用GDN模块,解码器用IGDN模块。以柯达24张照片为训练样本,将1减去SSIM或MS-SSIM作为损失函数,通过指定参数训练模型,还演示了图像压缩和解压缩过程,因训练样本少,恢复图像画质损失较严重。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

paddle ms-ssim:训练一个用于图像压缩的自编码器 - php中文网

引入

  • 自编码器(AutoEncoder)是一类自监督算法,即输入数据和标签数据是相同的数据,常用于数据降维,图像压缩等领域

  • 自编码器一般由一个提取特征的编码器和一个恢复特征的解码器组成

  • 本次就介绍如何使用 SSIM 或 MS-SSIM 作为损失函数训练一个用于图像压缩的自编码器

参考资料

  • END-TO-END OPTIMIZED IMAGE COMPRESSION

  • Paddle MS-SSIM

自编码器

  • 一般的自编码器包含两个主要部分,即编码器和解码器,编码器用于压缩特征,解码器由于解压缩特征,大致架构如下图所示:

    Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - php中文网                

准备

安装 Paddle MS-SSIN

In [ ]
!pip install paddle_msssim
   

导入必要的包

In [ ]
import osimport sysimport argparseimport numpy as npfrom PIL import Imageimport paddleimport paddle.nn as nnimport paddle.nn.functional as Ffrom paddle.optimizer import Adamfrom paddle.vision import transformsfrom paddle.io import DataLoader, Datasetfrom paddle_msssim import ssim, ms_ssim, SSIM, MS_SSIM
   

模型实现

GDN / IGDN 模块

  • GDN(Generalized Divisive Normalization)/ IGDN(Inverse Generalized Divisive Normalization)

  • 其类似一般卷积神经网络(CNN)中批归一化(Batch Normalization)的作用,可以很好的捕捉图像的统计特性,并将其转换为高斯分布。

  • 在自编码器的编码器(Encoder)阶段使用 GDN 模块参与网络学习

    GentleAI
    GentleAI

    GentleAI是一个高效的AI工作平台,为普通人提供智能计算、简单易用的界面和专业技术支持。让人工智能服务每一个人。

    下载
  • 对应的在解码器(Decoder)阶段,使用 GDN 的逆运算 IGND 模块参与网络学习

  • GDN / IGDN 的公式如下,在下式中,k 代表 stage 阶段序号,i,j 代表像素位置:

    Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - php中文网                

  • 具体的代码实现如下:

In [ ]
class GDN(nn.Layer):
    def __init__(self,
                 num_features,
                 inverse=False,
                 gamma_init=.1,
                 beta_bound=1e-6,
                 gamma_bound=0.0,
                 reparam_offset=2**-18,                 ):
        super(GDN, self).__init__()
        self._inverse = inverse
        self.num_features = num_features
        self.reparam_offset = reparam_offset
        self.pedestal = self.reparam_offset**2

        beta_init = paddle.sqrt(paddle.ones((num_features, ), dtype=paddle.float32) + self.pedestal)
        gama_init = paddle.sqrt(paddle.full((num_features, num_features), fill_value=gamma_init, dtype=paddle.float32)
                                * paddle.eye(num_features, dtype=paddle.float32) + self.pedestal)

        self.beta = self.create_parameter(
            shape=beta_init.shape, default_initializer=nn.initializer.Assign(beta_init))
        self.gamma = self.create_parameter(
            shape=gama_init.shape, default_initializer=nn.initializer.Assign(gama_init))

        self.beta_bound = (beta_bound + self.pedestal) ** 0.5
        self.gamma_bound = (gamma_bound + self.pedestal) ** 0.5

    def _reparam(self, var, bound):
        var = paddle.clip(var, min=bound)        return (var**2) - self.pedestal    def forward(self, x):
        gamma = self._reparam(self.gamma, self.gamma_bound).reshape((self.num_features, self.num_features, 1, 1))  # expand to (C, C, 1, 1)
        beta = self._reparam(self.beta, self.beta_bound)
        norm_pool = F.conv2d(x ** 2, gamma, bias=beta, stride=1, padding=0)
        norm_pool = paddle.sqrt(norm_pool)        if self._inverse:
            norm_pool = x * norm_pool        else:
            norm_pool = x / norm_pool        return norm_pool
   

编码器

  • 使用多层卷积和 GDN 模块构建一个简易的编码器,具体结构如下图所示:

    Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - php中文网                

In [ ]
class Encoder(nn.Layer):
    def __init__(self, C=32, M=128, in_chan=3):
        super(Encoder, self).__init__()
        self.enc = nn.Sequential(
            nn.Conv2D(in_channels=in_chan, out_channels=M,
                      kernel_size=5, stride=2, padding=2, bias_attr=False),
            GDN(M),

            nn.Conv2D(in_channels=M, out_channels=M, kernel_size=5,
                      stride=2, padding=2, bias_attr=False),
            GDN(M),

            nn.Conv2D(in_channels=M, out_channels=M, kernel_size=5,
                      stride=2, padding=2, bias_attr=False),
            GDN(M),

            nn.Conv2D(in_channels=M, out_channels=C, kernel_size=5,
                      stride=2, padding=2, bias_attr=False)
        )    def forward(self, x):
        return self.enc(x)
   

解码器

  • 使用多层转置卷积和 IGDN 模块构建一个简易的解码器,具体结构如下图:

    Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - php中文网                

In [ ]
class Decoder(nn.Layer):
    def __init__(self, C=32, M=128, out_chan=3):
        super(Decoder, self).__init__()
        self.dec = nn.Sequential(
            nn.Conv2DTranspose(in_channels=C, out_channels=M, kernel_size=5,
                               stride=2, padding=2, output_padding=1, bias_attr=False),
            GDN(M, inverse=True),

            nn.Conv2DTranspose(in_channels=M, out_channels=M, kernel_size=5,
                               stride=2, padding=2, output_padding=1, bias_attr=False),
            GDN(M, inverse=True),

            nn.Conv2DTranspose(in_channels=M, out_channels=M, kernel_size=5,
                               stride=2, padding=2, output_padding=1, bias_attr=False),
            GDN(M, inverse=True),

            nn.Conv2DTranspose(in_channels=M, out_channels=out_chan, kernel_size=5,
                               stride=2, padding=2, output_padding=1, bias_attr=False),
        )    def forward(self, q):
        return F.sigmoid(self.dec(q))
   

自编码器

  • 将上述的编码器和解码器组合起来就可以构成一个简单的自编码器
In [ ]
class AutoEncoder(nn.Layer):
    def __init__(self, C=128, M=128, in_chan=3, out_chan=3):
        super(AutoEncoder, self).__init__()
        self.encoder = Encoder(C=C, M=M, in_chan=in_chan)
        self.decoder = Decoder(C=C, M=M, out_chan=out_chan)    def forward(self, x, **kargs):
        code = self.encoder(x)
        out = self.decoder(code)        return out
   

数据集

介绍

  • 作为演示,这里使用柯达提供的 24 张无版权测试照片作为训练样本,数据集比较小

  • 当然使用更多的图片作为数据进行模型训练效果会更佳

  • 样例图像如下:

    Paddle MS-SSIM:训练一个用于图像压缩的自编码器 - php中文网                

数据集代码实现

In [ ]
class ImageDataset(Dataset):
    def __init__(self, root, transform=None):
        self.root = root
        self.transform = transform
        self.images = list(os.listdir(root))
        self.images.sort()    def __getitem__(self, idx):
        img = Image.open(os.path.join(self.root, self.images[idx]))        if self.transform is not None:
            img = self.transform(img)        return img, 

    def __len__(self):
        return len(self.images)
   

模型训练

损失函数

  • 因为 SSIM 和 MS-SSIM 指数越高越好,而网络训练时一般使用的是最小化优化的方式
  • 所以需要使用 1 减去算出来的 SSIM 或 MS-SSIM 指数作为网络训练的损失函数
In [ ]
class MS_SSIM_Loss(MS_SSIM):
    def forward(self, img1, img2):
        return 100*(1 - super(MS_SSIM_Loss, self).forward(img1, img2))class SSIM_Loss(SSIM):
    def forward(self, img1, img2):
        return 100*(1 - super(SSIM_Loss, self).forward(img1, img2))
   

训练参数

In [ ]
def get_argparser():
    parser = argparse.ArgumentParser()
    parser.add_argument("--ckpt", default=None, type=str,                        help="path to trained model. Leave it None if you want to retrain your model")
    parser.add_argument("--loss_type", type=str,
                        default='ms_ssim', choices=['ssim', 'ms_ssim'])
    parser.add_argument("--batch_size", type=int, default=24)
    parser.add_argument("--log_interval", type=int, default=1)
    parser.add_argument("--total_epochs", type=int, default=200)    return parser
   

模型训练与评估

In [ ]
def test(opts, model, val_loader, epoch):
    save_dir = os.path.join('results', 'epoch_%d' % epoch)    if not os.path.exists(save_dir):
        os.mkdir(save_dir)
    model.eval()
    cur_score = 0.0

    metric = ssim if opts.loss_type == 'ssim' else ms_ssim    with paddle.no_grad():        for i, (images, ) in enumerate(val_loader):
            outputs = model(images)            # save the first reconstructed image
            cur_score += metric(outputs, images, data_range=1.0)
            Image.fromarray((outputs*255).squeeze(0).detach().numpy().astype('uint8').transpose(1, 2, 0)).save(os.path.join(save_dir, 'recons_%s_%d.png' % (opts.loss_type, i)))
        cur_score /= len(val_loader.dataset)    return cur_scoreif not os.path.exists('results'):
    os.mkdir('results')

opts, unparsed = get_argparser().parse_known_args()# datasettrain_trainsform = transforms.Compose([
    transforms.RandomCrop(size=512, pad_if_needed=True),
    transforms.RandomHorizontalFlip(),
    transforms.RandomVerticalFlip(),
    transforms.ToTensor(),
])

val_transform = transforms.Compose([
    transforms.CenterCrop(size=512),
    transforms.ToTensor()
])

train_loader = DataLoader(
    ImageDataset(root='datasets/kodak', transform=train_trainsform),
    batch_size=opts.batch_size, shuffle=True, num_workers=0, drop_last=True)

val_loader = DataLoader(
    ImageDataset(root='datasets/kodak', transform=val_transform),
    batch_size=1, shuffle=False, num_workers=0)print("Train set: %d, Val set: %d" %
        (len(train_loader.dataset), len(val_loader.dataset)))
model = AutoEncoder(C=128, M=128, in_chan=3, out_chan=3)# optimizeroptimizer = Adam(parameters=model.parameters(),
                    learning_rate=1e-4,
                    weight_decay=1e-5)# checkpointbest_score = 0.0cur_epoch = 0if opts.ckpt is not None and os.path.isfile(opts.ckpt):
    model.set_dict(paddle.load(opts.ckpt))else:    print("[!] Retrain")if opts.loss_type == 'ssim':
    criterion = SSIM_Loss(data_range=1.0, size_average=True, channel=3)else:
    criterion = MS_SSIM_Loss(data_range=1.0, size_average=True, channel=3)#==========   Train Loop   ==========#for cur_epoch in range(opts.total_epochs):    # =====  Train  =====
    model.train()    for cur_step, (images, ) in enumerate(train_loader):
        optimizer.clear_grad()
        outputs = model(images)

        loss = criterion(outputs, images)
        loss.backward()

        optimizer.step()        if (cur_step) % opts.log_interval == 0:            print("Epoch %d, Batch %d/%d, loss=%.6f" %
                    (cur_epoch, cur_step, len(train_loader), loss.item()))    # =====  Save Latest Model  =====
    paddle.save(model.state_dict(), 'latest_model.pdparams')    # =====  Validation  =====
    print("Val...")
    best_score = 0.0
    cur_score = test(opts, model, val_loader, cur_epoch)    print("%s = %.6f" % (opts.loss_type, cur_score))    # =====  Save Best Model  =====
    if cur_score > best_score:  # save best model
        best_score = cur_score
        paddle.save(model.state_dict(), 'best_model.pdparams')        print("Best model saved as best_model.pdparams")
   

图像压缩演示

  • 使用下列代码即可对图像进行压缩和解压缩
  • 当然由于使用的训练图片较少,恢复的图像画质损失比较严重
In [84]
# 读取测试图像dataset = ImageDataset(root='datasets/kodak', transform=val_transform)
x = dataset[0][0][None, ...]print('input shape:', x.shape, 'size:', x.size)# 图像编码压缩hidden = model.encoder(x)print('hidden shape:', hidden.shape, 'size:', hidden.size)# 图像解码解压缩y = model.decoder(hidden)print('output shape:', y.shape, 'size:', y.size)# 图像张量还原函数def postprocess(tensor):
    tensor = (tensor*255).squeeze().cast(paddle.uint8).numpy()
    img = tensor.transpose(1, 2, 0)    return img# 图像还原拼接对比img_y = postprocess(y)
img_x = postprocess(x)
img = np.concatenate([img_x, img_y], 1)
img = Image.fromarray(img)
img.save('test.jpg')from IPython import display
display.Image('test.jpg')
       
input shape: [1, 3, 512, 512] size: 786432
hidden shape: [1, 128, 32, 32] size: 131072
output shape: [1, 3, 512, 512] size: 786432
       
<IPython.core.display.Image object>
               

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

WorkBuddy
WorkBuddy

腾讯云推出的AI原生桌面智能体工作台

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
TypeScript类型系统进阶与大型前端项目实践
TypeScript类型系统进阶与大型前端项目实践

本专题围绕 TypeScript 在大型前端项目中的应用展开,深入讲解类型系统设计与工程化开发方法。内容包括泛型与高级类型、类型推断机制、声明文件编写、模块化结构设计以及代码规范管理。通过真实项目案例分析,帮助开发者构建类型安全、结构清晰、易维护的前端工程体系,提高团队协作效率与代码质量。

26

2026.03.13

Python异步编程与Asyncio高并发应用实践
Python异步编程与Asyncio高并发应用实践

本专题围绕 Python 异步编程模型展开,深入讲解 Asyncio 框架的核心原理与应用实践。内容包括事件循环机制、协程任务调度、异步 IO 处理以及并发任务管理策略。通过构建高并发网络请求与异步数据处理案例,帮助开发者掌握 Python 在高并发场景中的高效开发方法,并提升系统资源利用率与整体运行性能。

46

2026.03.12

C# ASP.NET Core微服务架构与API网关实践
C# ASP.NET Core微服务架构与API网关实践

本专题围绕 C# 在现代后端架构中的微服务实践展开,系统讲解基于 ASP.NET Core 构建可扩展服务体系的核心方法。内容涵盖服务拆分策略、RESTful API 设计、服务间通信、API 网关统一入口管理以及服务治理机制。通过真实项目案例,帮助开发者掌握构建高可用微服务系统的关键技术,提高系统的可扩展性与维护效率。

178

2026.03.11

Go高并发任务调度与Goroutine池化实践
Go高并发任务调度与Goroutine池化实践

本专题围绕 Go 语言在高并发任务处理场景中的实践展开,系统讲解 Goroutine 调度模型、Channel 通信机制以及并发控制策略。内容包括任务队列设计、Goroutine 池化管理、资源限制控制以及并发任务的性能优化方法。通过实际案例演示,帮助开发者构建稳定高效的 Go 并发任务处理系统,提高系统在高负载环境下的处理能力与稳定性。

51

2026.03.10

Kotlin Android模块化架构与组件化开发实践
Kotlin Android模块化架构与组件化开发实践

本专题围绕 Kotlin 在 Android 应用开发中的架构实践展开,重点讲解模块化设计与组件化开发的实现思路。内容包括项目模块拆分策略、公共组件封装、依赖管理优化、路由通信机制以及大型项目的工程化管理方法。通过真实项目案例分析,帮助开发者构建结构清晰、易扩展且维护成本低的 Android 应用架构体系,提升团队协作效率与项目迭代速度。

92

2026.03.09

JavaScript浏览器渲染机制与前端性能优化实践
JavaScript浏览器渲染机制与前端性能优化实践

本专题围绕 JavaScript 在浏览器中的执行与渲染机制展开,系统讲解 DOM 构建、CSSOM 解析、重排与重绘原理,以及关键渲染路径优化方法。内容涵盖事件循环机制、异步任务调度、资源加载优化、代码拆分与懒加载等性能优化策略。通过真实前端项目案例,帮助开发者理解浏览器底层工作原理,并掌握提升网页加载速度与交互体验的实用技巧。

102

2026.03.06

Rust内存安全机制与所有权模型深度实践
Rust内存安全机制与所有权模型深度实践

本专题围绕 Rust 语言核心特性展开,深入讲解所有权机制、借用规则、生命周期管理以及智能指针等关键概念。通过系统级开发案例,分析内存安全保障原理与零成本抽象优势,并结合并发场景讲解 Send 与 Sync 特性实现机制。帮助开发者真正理解 Rust 的设计哲学,掌握在高性能与安全性并重场景中的工程实践能力。

227

2026.03.05

PHP高性能API设计与Laravel服务架构实践
PHP高性能API设计与Laravel服务架构实践

本专题围绕 PHP 在现代 Web 后端开发中的高性能实践展开,重点讲解基于 Laravel 框架构建可扩展 API 服务的核心方法。内容涵盖路由与中间件机制、服务容器与依赖注入、接口版本管理、缓存策略设计以及队列异步处理方案。同时结合高并发场景,深入分析性能瓶颈定位与优化思路,帮助开发者构建稳定、高效、易维护的 PHP 后端服务体系。

532

2026.03.04

AI安装教程大全
AI安装教程大全

2026最全AI工具安装教程专题:包含各版本AI绘图、AI视频、智能办公软件的本地化部署手册。全篇零基础友好,附带最新模型下载地址、一键安装脚本及常见报错修复方案。每日更新,收藏这一篇就够了,让AI安装不再报错!

171

2026.03.04

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
最新Python教程 从入门到精通
最新Python教程 从入门到精通

共4课时 | 22.5万人学习

Django 教程
Django 教程

共28课时 | 5万人学习

SciPy 教程
SciPy 教程

共10课时 | 1.9万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号