《Image Provenance Analysis at Scale》论文跑通源码

本文主要是介绍《Image Provenance Analysis at Scale》论文跑通源码，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1.起因

做毕设正好要做图片溯源（provenance）这方面的内容，因此下载了代码，跑通的过程缺异常痛苦，装包，装虚拟环境，部署代码到服务器等等等等（这些都写过博客），而且跑通代码需要GPU，服务器的GPU被占用就跑不了。而且中间索引步骤每次都要跑30-50分钟，bug多了总是容易放弃，拖拖拉拉花了快一个月才跑完，别的不说，至少看源码能力有了很大的进步。

这里贴上源码的GitHub链接：https://github.com/CVRL/Scalable_Provenance/tree/a5db4f3f51c9cd066e4603959346cae0d86cde18

2.准备工作

首先是最重要的运行程序，runPython3.sh，这是个shell文件，可以在Linux端用cat查看，下面给出具体内容：

#clean
#rm features/*
#rm index/*
#rm filtering_results/*
#rm filtering_results/json/*#export PYTHONPATH=../notredame/:../featureExtraction/:../indexConstruction/:../provenanceFiltering:../provenanceGraphConstruction:../helperLibraries/:/root/faiss/:/home/jbrogan4/Documents/Projects/Medifor/faiss/#worldIndexFile=/media/jbrogan4/scratch0/medifor/datasets/Nimble/NC2017_Dev1_Beta4/indexes/NC2017_Dev1-provenance-world.csv
#probeIndexFile=/media/jbrogan4/scratch0/medifor/datasets/Nimble/NC2017_Dev1_Beta4/indexes/NC2017_Dev1-provenance-index.csv
#nistDataDir=/media/jbrogan4/scratch0/medifor/datasets/Nimble/NC2017_Dev1_Beta4/
#recall=100#worldIndexFile=data/testset/indexes/test-provenance-world.csv
#probeIndexFile=data/testset/indexes/test-provenance-index.csv
#nistDataDir=data/testsetpython3.7 featureExtractionDriver.py --NISTWorldIndex '/raid/workspace/git_repository/Scalable_Provenance/image_filtering/provenance/tutorial/data/testset/indexes/test-provenance-world.csv' --NISTDataset '/raid/workspace/git_repository/Scalable_Provenance/image_filtering/provenance/tutorial/data/testset' --outputdir features/#mkdir tmp
ls -d features/* > /raid/workspace/git_repository/Scalable_Provenance/image_filtering/provenance/tutorial/tmp/feature_filelist#mkdir indexTraining