版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_25737169/article/details/79192211
本文将详细介绍 tf 实现风格迁移的小demo,看完这篇就可以去实现自己的风格迁移了,复现的算法来自论文 PerceptualPerceptualPerceptual LossesforReal−TimeLossesforReal−TimeLosses for Real-Time StyleStyle Style TransferTransfer Transfer andand and Super−ResolutionSuper−ResolutionSuper-Resolution
GitHub代码链接:https://github.com/LDOUBLEV/style_transfer-perceptual_loss 如果感觉有用的话,帮忙给个star吧
本文分为以下部分: 第一节:深度学习在风格迁移上的背后原理; 第二节:风格迁移的代码详解 第三节:总结
图像风格迁移指的是将图像A的风格转换到图像B中去,得到新的图像,取个名字为new B,其中new B中既包含图像B的内容,也包含图像A的风格。如下图所示:
从左到右依次为图像A,图像B,图像new B
本文着重介绍基于深度学习技术的风格迁移的原理及其实现,实现使用的工具如下:
注:其他条件同样可行,如有问题,欢迎评论、私信
原图:
风格迁移后的图像,右上角那一张明显风格迁移过头了,可以设置style_loss的比例做调整:
,最满意的就是左上角那一张了。
深度学习技术可谓无孔不入,在计算机视觉领域尤为明显,图像分类、识别、定位、超分辨率、转换、迁移、描述等等都已经可以使用深度学习技术实现。其背后的技术可以一言以蔽之:卷积网络具有超强的图像特征提取能力 其中,风格迁移算法的成功,其主要基于以下两点:
基于这两点,就可以设计合适的损失函数优化网络。
对于深度网络来讲,深度卷积分类网络具有良好的特征提取能力,不同层提取的特征具有不同的含义,每一个训练好的网络都可以视为是一个良好的特征提取器,另外,深度网络由一层层的非线性函数组成,可以视为是复杂的多元非线性函数,此函数完成输入图像到输出的映射,因此,完全可以使用训练好的深度网络作为一个损失函数计算器。
GramGramGram矩阵的数学形式如下:Gj(x)=A∗ATGj(x)=A∗ATG_j(x)=A*A^T Gram矩阵实际上是矩阵的内积运算,在风格迁移算法中,其计算的是feature map之间的偏心协方差,在feature map 包含着图像的特征,每个数字表示特征的强度,Gram矩阵代表着特征之间的相关性,因此,Gram矩阵可以用来表示图像的风格,因此可以通过Gram矩阵衡量风格的差异性。
本次主要介绍的是论文:Perceptual Losses for Real-Time Style Transfer and Super-Resolution 直接上图:
网络框架分为两部分,其一部分是图像转换网络TTT(image transfrom net)和预训练好的损失计算网络VGG-16(loss network),图像转换网络TTT以内容图像xxx为输入,输出风格迁移后的图像y′y′y^{'},随后内容图像ycycy_c(也即是xxx),风格图像ysysy_s,以及y′y′y^{'}输入vgg-16计算特征,损失计算如下: 内容损失:lφ;jfeat(y;y)=1CjHjWj||φj(y′)−φj(y)||2lfeatφ;j(y;y)=1CjHjWj||φj(y′)−φj(y)||2l^{φ;j}_{feat}(^ y; y) = \frac{1} {C_jH_jW_j} ||φ_j(y^{'}) − φ_j(y)||^2, 其中φφφ代表深度卷积网络VGG-16
感知损失如下:lφ;jstyle(y;y)=||Gj(y′)−Gj(y)||2Flstyleφ;j(y;y)=||Gj(y′)−Gj(y)||F2l^{φ;j}_{style}(^ y; y) = ||G_j(y^{'}) − G_j(y)||^2_F,其中G是Gram矩阵,计算过程如下:
Gφj(x)c′,c=||Gφj(y′)−Gφj(y)||Gjφ(x)c′,c=||Gjφ(y′)−Gjφ(y)||G^φ_j(x)_{c^{'}, c} = ||G^φ_j(y^{'}) - G^φ_j(y)||
总损失定义如下:Losstotal=γ1lfeat+γ2lstyleLosstotal=γ1lfeat+γ2lstyleLoss_{total} = \gamma _1 l_{feat} + \gamma _2 l_{style}
其中图像转换网络T定义如下图:
网络结构三个卷积层后紧接着5个残差块,然后两个上采样(邻近插值的方式),最后一个卷积层,第一层和最后一层的卷积核都是9x9,其余均为3x3。每个残差块中包含两层卷积。
本次实验主要基于tf的slim模块,slim封装的很好,调用起来比较方便。接下来分为网络结构,损失函数,以及训练部分分别做介绍。
slim = tf.contrib.slim
# 定义卷积,在slim中传入参数
def arg_scope(weight_decay=0.0005):
with slim.arg_scope([slim.conv2d, slim.fully_connected, slim.conv2d_transpose],
activation_fn=None,
weights_regularizer=slim.l2_regularizer(weight_decay),
biases_initializer=tf.zeros_initializer()):
with slim.arg_scope([slim.conv2d, slim.conv2d_transpose], padding='SAME') as arg_sc:
return arg_sc
接下来就是图像转换网络结构部分,仿照上图,不过这里有一个trick,就是在输入之前对图像做padding,经过网络后再把padding的部分去掉,防止迁移后出现边缘效应。
def gen_net(imgs, reuse, name, is_train=True):
imgs = tf.pad(imgs, [[0, 0], [10, 10], [10, 10], [0, 0]], mode='REFLECT')
with tf.variable_scope(name, reuse=reuse) as vs:
# encoder : three convs layers
out1 = slim.conv2d(imgs, 32, [9, 9], scope='conv1')
out1 = relu(instance_norm(out1))
out2 = slim.conv2d(out1, 64, [3, 3], stride=2, scope='conv2')
out2 = instance_norm(out2)
# out2 = relu(img_scale(out2, 0.5))
out2 = slim.conv2d(out2, 128, [3, 3], stride=2, scope='conv3')
out2 = instance_norm(out2)
# out2 = relu(img_scale(out2, 0.5))
# transform
out3 = res_module(out2, 128, name='residual1')
out3 = res_module(out3, 128, name='residual2')
out3 = res_module(out3, 128, name='residual3')
out3 = res_module(out3, 128, name='residual4')
# decoder
out4 = img_scale(out3, 2)
out4 = slim.conv2d(out4, 64, [3, 3], stride=1, scope='conv4')
out4 = relu(instance_norm(out4))
# out4 = img_scale(out4, 128)
out4 = img_scale(out4, 2)
out4 = slim.conv2d(out4, 32, [3, 3], stride=1, scope='conv5')
out4 = relu(instance_norm(out4))
# out4 = img_scale(out4, 256)
out = slim.conv2d(out4, 3, [9, 9], scope='conv6')
out = tf.nn.tanh(instance_norm(out))
variables = tf.contrib.framework.get_variables(vs)
out = (out + 1) * 127.5
height = out.get_shape()[1].value # if is_train else tf.shape(out)[0]
width = out.get_shape()[2].value # if is_train else tf.shape(out)[1]
out = tf.image.crop_to_bounding_box(out, 10, 10, height-20, width-20)
# out = tf.reshape(out, imgs_shape)
return out, variables
其中instance_norm是归一化部分[5],res_module是残差块,image_scale是采样部分,scale因子是2表示上采样,特征图扩大2倍:
def img_scale(x, scale):
weight = x.get_shape()[1].value
height = x.get_shape()[2].value
try:
out = tf.image.resize_nearest_neighbor(x, size=(weight*scale, height*scale))
except:
out = tf.image.resize_images(x, size=[weight*scale, height*scale])
return out
# net = slim.conv2d(net, 4096, [1, 1], scope='fc7')
def res_module(x, outchannel, name):
with tf.variable_scope(name_or_scope=name):
out1 = slim.conv2d(x, outchannel, [3, 3], stride=1, scope='conv1')
out1 = relu(out1)
out2 = slim.conv2d(out1, outchannel, [3, 3], stride=1, scope='conv2')
out2 = relu(out2)
return x+out2
def instance_norm(x):
epsilon = 1e-9
mean, var = tf.nn.moments(x, [1, 2], keep_dims=True)
return tf.div(tf.subtract(x, mean), tf.sqrt(tf.add(var, epsilon)))
此部分流程:读取训练数据(coco数据集)−−−−--读取风格图像−−−−--并输入图像转换网络计算出转换后的图像gen_img−−−−--原始图像,风格图像,转换后的图像一同输入VGG计算loss−−−−--VGG权重加载
def build_model(self):
# data_path = '/home/liu/Tensorflow/BEGAN/Data/celeba/img_align_celeba'
data_path = '/home/liu/Downloads/train2014'
# 加载训练数据(coco数据集)
imgs = load_data.get_loader(data_path, self.batch_size, self.img_size)
# 加载风格图像
style_imgs = load_style_img()
with slim.arg_scope(model.arg_scope()):
# 图像转换网络
gen_img, variables = model.gen_net(imgs, reuse=False, name='transform')
with slim.arg_scope(vgg.vgg_arg_scope()):
# 对图像做处理
gen_img_processed = [load_data.img_process(image, True)
for image in tf.unstack(gen_img, axis=0, num=self.batch_size)]
# f表示vgg每段卷积的特征图输出, exclude是VGG不需要加载的变量的名字
f1, f2, f3, f4, exclude = vgg.vgg_16(tf.concat([gen_img_processed, imgs, style_imgs], axis=0))
gen_f, img_f, _ = tf.split(f3, 3, 0)
# 计算损失 content loss 和 style loss
content_loss = tf.nn.l2_loss(gen_f - img_f) / tf.to_float(tf.size(gen_f))
style_loss = model.styleloss(f1, f2, f3, f4)
# load vgg model
vgg_model_path = '/home/liu/Tensorflow-Project/temp/model/vgg_16.ckpt'
vgg_vars = slim.get_variables_to_restore(include=['vgg_16'], exclude=exclude)
# vgg_init_var = slim.get_variables_to_restore(include=['vgg_16/fc6'])
init_fn = slim.assign_from_checkpoint_fn(vgg_model_path, vgg_vars)
init_fn(self.sess)
# tf.initialize_variables(var_list=vgg_init_var)
print 'vgg s weights load done'
self.gen_img = gen_img
self.global_step = tf.Variable(0, name="global_step", trainable=False)
self.content_loss = content_loss
self.style_loss = style_loss*100 # 100是随意设置的,可以调整控制风格迁移的程度
self.loss = self.content_loss + self.style_loss
self.opt = tf.train.AdamOptimizer(0.0001).minimize(self.loss, global_step=self.global_step, var_list=variables)
all_var = tf.global_variables()
# init_var = [v for v in all_var if 'beta' in v.name or 'global_step' in v.name or 'Adam' in v.name]
init_var = [v for v in all_var if 'vgg_16' not in v.name]
init = tf.variables_initializer(var_list=init_var)
self.sess.run(init)
self.save = tf.train.Saver(var_list=variables)
训练部分代码:
def train(self):
print ('start to training')
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
try:
while not coord.should_stop():
# start_time = time.time()
_, loss, step, cl, sl = self.sess.run([self.opt, self.loss, self.global_step, self.content_loss, self.style_loss])
if step%100 == 0:
gen_img = self.sess.run(self.gen_img)
if not os.path.exists('gen_img'):
os.mkdir('gen_img')
save_img.save_images(gen_img, './gen_img/{0}.jpg'.format(step/100))
print ('[{}/40000],loss:{}, content:{},style:{}'.format(step, loss, cl, sl))
if step % 2000 == 0:
if not os.path.exists('model_saved_s'):
os.mkdir('model_saved_s')
self.save.save(self.sess, './model_saved_s/wave{}.ckpt'.format(step/2000))
# 训练40000次就停止,大概2epoch
if step >= 40000:
break
except tf.errors.OutOfRangeError:
self.save.save(sess, os.path.join(os.getcwd(), 'fast-style-model.ckpt-done'))
finally:
coord.request_stop()
coord.join(threads)
本文浮现的论文仍然有一些不足之处,比如根据一个风格图像训练一个model只能风格化此种图像,要风格化很多种图像就要训练不同的model,不过在后来的论文中已经得到了解决,以后有时间我会继续复现。 如果感兴趣,请关注微信公众号,还有更多精彩:
[1] Image Style Transfer Using Convolutional Neural Networks [2] https://arxiv.org/abs/1603.08155 [3] https://www.zhihu.com/question/49805962/answer/199427278 [4] https://arxiv.org/abs/1603.08155 [5] https://github.com/hzy46/fast-neural-style-tensorflow