luliloveshe

假如我的水印没有透明度， 也就是alpha=1， 那么公式就是 J = W * alpha， 效果体现就是w在I上的一片遮挡。这样训练出来的模型，能够去除没有透明度的水印吗？不知道您尝试过没有

“找1000张图片，打上不透明的水印，加入训练集训练， 然后测试去水印“，我正在尝试，有结果发上来

请问 CLWD/train/Alpha 目录中的图片是怎样生成的？因为我不知道 Alpha里图片怎么生成的，所以我修改代码，不使用alpha目录里的数据来训练模型，有用吗？

但是我跑train.py时 如果alpha为空 会报错。可能算法里面没有用到Alpha数据吧，只是外围读取了。

这里说明下模型训练步骤、测试效果以及问题。希望能对本项目改进有帮助。 1、各目录图片生成方式 watermark_logo 透明背景， 256x256  Watermark_free_image clwd数据集选取, 256x256  Watermark watermark_logo图 随机位置旋转角度，尺寸固定， 叠加到黑色纯色图片上生成  Mask 由Watermark 二值化生成  Watermarked_image watermark_logo 图叠加Watermark_free_image 图上生成， 叠加时没有给透明度，因为测试图片水印是没有透明度的，后面会说明  Alpha 直接拷贝的Watermark train和test目录 数量上1:1， 比如2000张图片，按上面的方式生成好各目录图片，然后对半切分成train和test...

按您说的进行新一次模型训练、测试去水印，本次数据集train和test彼此独立。用来去水印的图和logo也不在train和test中。 识别的效果很差， 详细说明如下： 1、各目录图片生成方式 watermark_logo 透明背景，文字不透明， 256x256， 注：红框处是windows资源管理器显示问题，实际和其他logo一样都是透明背景  Watermark_free_image clwd数据集选取, 256x256  Watermark watermark_logo图 位置、旋转、尺寸随机， 叠加到黑色纯色图片上生成  Mask 由Watermark 二值化生成  Watermarked_image watermark_logo 图叠加Watermark_free_image 图上生成， 叠加时没有给透明度  Alpha 直接拷贝的Watermark...

感谢赐教，我再试试，晚些发结果上来

有几个细节还需要确定一下，麻烦您了 1、针对您说的：训练集与测试集， 指的就是train目录和test目录吧？ 2、针对您说的：“如果你仅针对特定几个水印去除，可以训练集与测试集不独立”，以2000张原图和30个Logo为例， 意思是说30个logo打在2000原图上，然后数量1:1随机分成训练集和测试集？ 3、针对您说的：“其次训练集与测试集的背景图分布也要一致”，本批次测试，是从clwd选取2000张按数量1:1分成训练集和测试集，这就是“背景图分布也要一致”吧？

为方便描述，有下面几个概念统一一下： 1、每次训练模型和测试以“日期-序号”作为批次号加以区分， 之前汇报过2次，3个批次，就叫批次1、2、3， 其中批次1效果最好，和批次2对比汇报。 2、train目录：训练集，test目录：测试集， 一般描述时使用"test目录“和"train目录" 3、自定义测试图：独立于test目录和train目录、需使用训练好的模型来去除水印的图片。不是从clwd选取，我自己随便找的。 新的20220405-1批次 这次和批次2所有的操作一样，只是图片数量增加为2w张，但是效果很不理想。有以下几点疑问： 1、本批次test目录、train目录使用的30logo和自定义测试图使用的logo是不同的，之前批次1效果好，是把自定义测试图使用的logo也用来生成test目录、train目录。那就意味着：要去除自定义测试图的水印logo, 训练模型时必须test目录、train目录包含自定义测试图的水印logo？ 2、因为2w张图，这次训练耗时28个小时。可以的话，能否具体给出修改点，进行下一次训练，以免因我知识欠缺造成时间浪费，十分感谢