IT资讯

CycleGAN生成对抗网络图像处理工具

作者:admin 2021-04-16 我要评论

1. GAN简介 干饭人,干饭魂,干饭都是人上人。 此GAN饭人非彼干饭人。本文要讲的GAN是Goodfellow2014提出的生成产生对抗模型,即Generative Adversarial Nets。...

在说正事之前,我要推荐一个福利:你还在原价购买阿里云、腾讯云、华为云服务器吗?那太亏啦!来这里,新购、升级、续费都打折,能够为您省60%的钱呢!2核4G企业级云服务器低至69元/年,点击进去看看吧>>>)

 1. GAN简介

"干饭人,干饭魂,干饭都是人上人"。

此GAN饭人非彼干饭人。本文要讲的GAN是Goodfellow2014提出的生成产生对抗模型,即Generative Adversarial Nets。那么GAN到底有什么神奇的地方?

常规的深度学习任务如图像分类,目标检测以及语义分割或者实例分割,这些任务的结果都可以归结为预测。图像分类是预测单一的类别,目标检测是预测bbox和类别,语义分割或者实例分割是预测每个像素的类别。而GAN是生成一个新的东西如一个图片。

GAN的原理用一句话来说明:

  •  通过对抗的方式,去学习数据分布的生成式模型。GAN是无监督的过程,能够捕捉数据集的分布,以便于可以从随机噪声中生成同样分布的数据

GAN的组成:判别式模型和生成式模型的左右手博弈

  •  D判别式模型:学习真假边界,判断数据是真的还是假的
  •  G生成式模型:学习数据分布并生成数据

GAN经典的loss如下(minmax体现的就是对抗)

2. 实战cycleGAN 风格转换

了解了GAN的作用,来体验的GAN的神奇效果。这里以cycleGAN为例子来实现图像的风格转换。所谓的风格转换就是改变原始图片的风格,如下图左边是原图,中间是风格图(梵高画),生成后是右边的具有梵高风格的原图,可以看到总体上生成后的图保留大部分原图的内容。

2.1 cycleGAN简介

cycleGAN本质上和GAN是一样的,是学习数据集中潜在的数据分布。GAN是从随机噪声生成同分布的图片,cycleGAN是在有意义的图上加上学习到的分布从而生成另一个领域的图。cycleGAN假设image-to-image的两个领域存在的潜在的联系。

众所周知,GAN的映射函数很难保证生成图片的有效性。cycleGAN利用cycle consistency来保证生成的图片与输入图片的结构上一致性。我们看下cycleGAN的结构:

特点总结如下:

  •  两路GAN:两个生成器[ G:X->Y , F:Y->X ]  和两个判别器[Dx, Dy], G和Dy目的是生成的对象,Dy(正类是Y领域)无法判别。同理F和Dx也是一样的。
  •  cycle consistency:G是生成Y的生成器, F是生成X的生成器,cycle consistency是为了约束G和F生成的对象的范围,  是的G生成的对象通过F生成器能够回到原始的领域如:x->G(x)->F(G(x))=x

对抗loss如下:

2.2 实现cycleGAN

2.2.1 生成器

从上面简介中生成器有两个生成器,一个是正向,一个是反向的。结构是参考论文Perceptual Losses for Real-Time Style Transfer and Super-Resolution: Supplementary Material。大致可以分为:下采样 + residual 残差block + 上采样,如下图(摘自论文):

实现上下采样是stride=2的卷积, 上采样用nn.Upsample:

  1. # 残差block  
  2. class ResidualBlock(nn.Module):  
  3.     def __init__(self, in_features):  
  4.         super(ResidualBlock, self).__init__()  
  5.         self.block = nn.Sequential(  
  6.             nn.ReflectionPad2d(1),  
  7.             nn.Conv2d(in_features, in_features, 3),  
  8.             nn.InstanceNorm2d(in_features),  
  9.             nn.ReLU(inplace=True),  
  10.             nn.ReflectionPad2d(1),  
  11.             nn.Conv2d(in_features, in_features, 3),  
  12.             nn.InstanceNorm2d(in_features),  
  13.         )  
  14.     def forward(self, x):  
  15.         return x + self.block(x) 
  16. class GeneratorResNet(nn.Module):  
  17.     def __init__(self, input_shape, num_residual_blocks):  
  18.         super(GeneratorResNet, self).__init__()  
  19.         channels = input_shape[0]  
  20.         # Initial convolution block  
  21.         out_features = 64  
  22.         model = [  
  23.             nn.ReflectionPad2d(channels),  
  24.             nn.Conv2d(channels, out_features, 7),  
  25.             nn.InstanceNorm2d(out_features),  
  26.             nn.ReLU(inplace=True),  
  27.         ]  
  28.         in_features = out_features  
  29.         # Downsampling  
  30.         for _ in range(2):  
  31.             out_features *= 2  
  32.             model += [  
  33.                 nn.Conv2d(in_features, out_features, 3, stride=2padding=1),  
  34.                 nn.InstanceNorm2d(out_features),  
  35.                 nn.ReLU(inplace=True),  
  36.             ]  
  37.             in_features = out_features 
  38.         # Residual blocks  
  39.         for _ in range(num_residual_blocks):  
  40.             model += [ResidualBlock(out_features)]  
  41.         # Upsampling  
  42.         for _ in range(2):  
  43.             out_features //= 2  
  44.             model += [  
  45.                 nn.Upsample(scale_factor=2),  
  46.                 nn.Conv2d(in_features, out_features, 3, stride=1padding=1),  
  47.                 nn.InstanceNorm2d(out_features),  
  48.                 nn.ReLU(inplace=True),  
  49.             ]  
  50.             in_features = out_features  
  51.         # Output layer  
  52.         model += [nn.ReflectionPad2d(channels), nn.Conv2d(out_features, channels, 7), nn.Tanh()]  
  53.         self.model = nn.Sequential(*model)  
  54.     def forward(self, x):  
  55.         return self.model(x) 

2.2.2 判别器

传统的GAN 判别器输出的是一个值,判断真假的程度。而patchGAN输出是N*N值,每一个值代表着原始图像上的一定大小的感受野,直观上就是对原图上crop下可重复的一部分区域进行判断真假,可以认为是一个全卷积网络,最早是在pix2pix提出(Image-to-Image Translation with Conditional Adversarial Networks)。好处是参数少,另外一个从局部可以更好的抓取高频信息。

  1. class Discriminator(nn.Module):  
  2.     def __init__(self, input_shape):  
  3.         super(Discriminator, self).__init__()  
  4.         channels, height, width = input_shape  
  5.         # Calculate output shape of image discriminator (PatchGAN) 
  6.         self.output_shape = (1, height // 2 ** 4, width // 2 ** 4)  
  7.         def discriminator_block(in_filters, out_filters, normalize=True):  
  8.             """Returns downsampling layers of each discriminator block"""  
  9.             layers = [nn.Conv2d(in_filters, out_filters, 4, stride=2padding=1)]  
  10.             if normalize:  
  11.                 layers.append(nn.InstanceNorm2d(out_filters))  
  12.             layers.append(nn.LeakyReLU(0.2, inplace=True))  
  13.             return layers  
  14.         self.model = nn.Sequential(  
  15.             *discriminator_block(channels, 64, normalize=False),  
  16.             *discriminator_block(64, 128),  
  17.             *discriminator_block(128, 256),  
  18.             *discriminator_block(256, 512),  
  19.             nn.ZeroPad2d((1, 0, 1, 0)), 
  20.             nn.Conv2d(512, 1, 4, padding=1 
  21.         )  
  22.     def forward(self, img):  
  23.         return self.model(img) 

2.2.3 训练

loss和模型初始化

  1. # Losses  
  2. criterion_GAN = torch.nn.MSELoss()  
  3. criterion_cycle = torch.nn.L1Loss()  
  4. criterion_identity = torch.nn.L1Loss()  
  5. cuda = torch.cuda.is_available()  
  6. input_shape = (opt.channels, opt.img_height, opt.img_width)  
  7. # Initialize generator and discriminator  
  8. G_AB = GeneratorResNet(input_shape, opt.n_residual_blocks)  
  9. G_BA = GeneratorResNet(input_shape, opt.n_residual_blocks)  
  10. D_A = Discriminator(input_shape)  
  11. D_B = Discriminator(input_shape) 

优化器和训练策略

  1. # Optimizers  
  2. optimizer_G = torch.optim.Adam(  
  3.     itertools.chain(G_AB.parameters(), G_BA.parameters()), lr=opt.lr, betas=(opt.b1, opt.b2)  
  4.  
  5. optimizer_D_A = torch.optim.Adam(D_A.parameters(), lr=opt.lr, betas=(opt.b1, opt.b2))  
  6. optimizer_D_B = torch.optim.Adam(D_B.parameters(), lr=opt.lr, betas=(opt.b1, opt.b2))  
  7. # Learning rate update schedulers  
  8. lr_scheduler_G = torch.optim.lr_scheduler.LambdaLR(  
  9.     optimizer_G, lr_lambda=LambdaLR(opt.n_epochs, opt.epoch, opt.decay_epoch).step  
  10.  
  11. lr_scheduler_D_A = torch.optim.lr_scheduler.LambdaLR(  
  12.     optimizer_D_A, lr_lambda=LambdaLR(opt.n_epochs, opt.epoch, opt.decay_epoch).step  
  13.  
  14. lr_scheduler_D_B = torch.optim.lr_scheduler.LambdaLR(  
  15.     optimizer_D_B, lr_lambda=LambdaLR(opt.n_epochs, opt.epoch, opt.decay_epoch).step  

训练迭代

  •  训练数据是成对的数据,但是是非配对的数据,即A和B是没有直接的联系的。A是原图,B是风格图
  •  生成器训练
    •  GAN loss:判别器判别A和B生成的两个图fake_A、fake_B与GT的loss
    •  Cycle loss:反过来fake_A和fake_B 生成的图与A和B像素上差异
  •  判别器训练:
    •  loss_real: 判别A/B和GT的MSELoss
    •  loss_fake:判别生成的fake_A/fake_B与GT的MSELoss 
  1. for epoch in range(opt.epoch, opt.n_epochs):  
  2.     for i, batch in enumerate(dataloader):  
  3.         # 数据是成对的数据,但是是非配对的数据,即A和B是没有直接的联系的  
  4.         real_A = Variable(batch["A"].type(Tensor))  
  5.         real_B = Variable(batch["B"].type(Tensor))  
  6.         # Adversarial ground truths  
  7.         valid = Variable(Tensor(np.ones((real_A.size(0), *D_A.output_shape))), requires_grad=False 
  8.         fake = Variable(Tensor(np.zeros((real_A.size(0), *D_A.output_shape))), requires_grad=False 
  9.         # ------------------  
  10.         #  Train Generators  
  11.         # ------------------  
  12.         G_AB.train()  
  13.         G_BA.train()  
  14.         optimizer_G.zero_grad()  
  15.         # Identity loss  
  16.         loss_id_A = criterion_identity(G_BA(real_A), real_A)  
  17.         loss_id_B = criterion_identity(G_AB(real_B), real_B)  
  18.         loss_identity = (loss_id_A + loss_id_B) / 2  
  19.         # GAN loss  
  20.         fake_B = G_AB(real_A)  
  21.         loss_GAN_AB = criterion_GAN(D_B(fake_B), valid) 
  22.         fake_A = G_BA(real_B)  
  23.         loss_GAN_BA = criterion_GAN(D_A(fake_A), valid)  
  24.         loss_GAN = (loss_GAN_AB + loss_GAN_BA) / 2 
  25.         # Cycle loss  
  26.         recov_A = G_BA(fake_B)  
  27.         loss_cycle_A = criterion_cycle(recov_A, real_A)  
  28.         recov_B = G_AB(fake_A)  
  29.         loss_cycle_B = criterion_cycle(recov_B, real_B)  
  30.         loss_cycle = (loss_cycle_A + loss_cycle_B) / 2  
  31.         # Total loss  
  32.         loss_G = loss_GAN + opt.lambda_cyc * loss_cycle + opt.lambda_id * loss_identity 
  33.         loss_G.backward()  
  34.         optimizer_G.step()  
  35.         # -----------------------  
  36.         #  Train Discriminator A  
  37.         # -----------------------   
  38.         optimizer_D_A.zero_grad()  
  39.         # Real loss  
  40.         loss_real = criterion_GAN(D_A(real_A), valid)  
  41.         # Fake loss (on batch of previously generated samples)  
  42.         # fake_A_ = fake_A_buffer.push_and_pop(fake_A)  
  43.         loss_fake = criterion_GAN(D_A(fake_A_.detach()), fake)  
  44.         # Total loss 
  45.         loss_D_A = (loss_real + loss_fake) / 2 
  46.         loss_D_A.backward()  
  47.         optimizer_D_A.step()  
  48.         # -----------------------  
  49.         #  Train Discriminator B  
  50.         # -----------------------  
  51.         optimizer_D_B.zero_grad() 
  52.         # Real loss  
  53.         loss_real = criterion_GAN(D_B(real_B), valid)  
  54.         # Fake loss (on batch of previously generated samples)  
  55.         # fake_B_ = fake_B_buffer.push_and_pop(fake_B)  
  56.         loss_fake = criterion_GAN(D_B(fake_B_.detach()), fake)  
  57.         # Total loss  
  58.         loss_D_B = (loss_real + loss_fake) / 2  
  59.         loss_D_B.backward() 
  60.         optimizer_D_B.step()  
  61.         loss_D = (loss_D_A + loss_D_B) / 2  
  62.         # --------------  
  63.         #  Log Progress  
  64.         # --------------  
  65.         # Determine approximate time left  
  66.         batches_done = epoch * len(dataloader) + i  
  67.         batches_left = opt.n_epochs * len(dataloader) - batches_done  
  68.         time_left = datetime.timedelta(seconds=batches_left * (time.time() - prev_time))  
  69.         prev_time = time.time()  
  70.     # Update learning rates  
  71.     lr_scheduler_G.step()  
  72.     lr_scheduler_D_A.step()  
  73.     lr_scheduler_D_B.step() 

2.2.4 结果展示

本文训练的是莫奈风格的转变,如下图:第一二行是莫奈风格画转换为普通照片,第三四行为普通照片转换为莫奈风格画

再来看实际手机拍摄图片:

2.2.5 cycleGAN其他用途

3. 总结

本文详细介绍了GAN的其中一种应用cycleGAN,并将它应用到图像风格的转换。总结如下:

  •  GAN是学习数据中分布,并生成同样分布但全新的数据
  •  CycleGAN是两路GAN:两个生成器和两个判别器;为了保证生成器的生成的图片与输入图存在一定的关系,不是随机生产的图片, 引入cycle consistency,判定A->fake_B->recove_A和A的差异
  •  生成器:下采样 + residual 残差block + 上采样
  •  判别器: 不是一个图生成一个判定值,而是patchGAN方式,生成很N*N个值,而后取均值 

本文转载自网络,原文链接:https://mp.weixin.qq.com/s/xLJ-sG9S6wPE9BbcNWrZ0Q

版权声明:本文转载自网络,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。本站转载出于传播更多优秀技术知识之目的,如有侵权请联系QQ/微信:153890879删除

相关文章
  • 20款小众宝藏APP,工作、生活全不误,

    20款小众宝藏APP,工作、生活全不误,

  • 谷歌开发 MicroDroid,用于虚拟机的精

    谷歌开发 MicroDroid,用于虚拟机的精

  • 微信 8.0 专属红包灰度测试:可指定发

    微信 8.0 专属红包灰度测试:可指定发

  • 如何隐藏你的热更新 Bundle 文件?

    如何隐藏你的热更新 Bundle 文件?

腾讯云代理商
海外云服务器