文件名称：fashion_compatibility_mcn:多层比较网络的装备兼容性预测与诊断
文件大小：5.31MB
文件格式：ZIP
更新时间：2024-05-27 18:37:55
JupyterNotebook
多层比较网络的装备兼容性预测与诊断 论文：多层比较网络的装备兼容性预测与诊断 王鑫，吴波，钟岳琪。 在法国尼斯的ACM MM 2019上发布。 [] [ ] [] 该存储库的内容 ：主程序源代码 ：基于Polyvore-T数据集。 ：我们实验中的比较基准 ：实验详细信息，脚本和结果等。 要求 Ubuntu 16.04，NVIDIA GTX 1080Ti（批处理大小为16），python> = 3.5.2 torch==1.0.1 torchvision==0.2.1 networkx==2.4 opencv-python==4.2.0.32 matplotlib==2.2.2 scikit-learn==0.21.2 用法 下载原始的数据集，然后解压缩文件并将image目录放入data文件夹（或者您可以为其创建软链接）。 火车 cd mcn python train.py
【文件预览】：
fashion_compatibility_mcn-master
----.gitignore(253B)
----baselines()
--------csn()
--------pooling()
--------concat()
--------attention()
--------__init__.py(0B)
--------ggnn()
--------bilstm()
----README.md(3KB)
----exp()
--------demo1.gif(284KB)
--------diagnosis.png(746KB)
--------experiments.xlsx(22KB)
----LICENSE(1KB)
----app()
--------README.md(144B)
--------main.py(16KB)
----requirements.txt(109B)
----mcn()
--------diagnosis.ipynb(3.81MB)
--------diagnosis.py(8KB)
--------train.py(5KB)
--------resnet.py(7KB)
--------evaluate.py(3KB)
--------revision.py(4KB)
--------utils.py(4KB)
--------polyvore_dataset.py(11KB)
--------model.py(10KB)
--------__init__.py(1B)
----data()
--------bottom.png(29KB)
--------bag.png(31KB)
--------valid_no_dup_with_category_3more_name.json(345KB)
--------upper.png(28KB)
--------train_no_dup_with_category_3more_name.json(4.76MB)
--------final_word_dict.txt(32KB)
--------shoe.png(31KB)
--------accessory.png(30KB)
--------test_no_dup_with_category_3more_name.json(713KB)