风格迁移背后原理及tensorflow实现

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

前言


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:

  • 框架:Tensorflow 1.4.1
  • 语言:python 2.7
  • 系统:ubuntu 16.04

注:其他条件同样可行,如有问题,欢迎评论、私信

最终效果部分展示:

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。

第一节:深度学习在风格迁移的背后原理


1.1 背后原理简介

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:

  1. 两张图像经过预训练好的分类网络,若提取出的高维特征(high−levelhigh−levelhigh-level)之间的欧氏距离越小,则这两张图像内容越相似
  2. 两张图像经过与训练好的分类网络,若提取出的低维特征(low−levellow−levellow-level)在数值上基本相等,则这两张图像越相似,换句话说,两张图像相似等价于二者特征的GramGramGram矩阵具有较小的弗罗贝尼乌斯范数。

基于这两点,就可以设计合适的损失函数优化网络。

1.2 原理解读

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。

1.3 论文解读

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。

第二节:代码详解


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。

2.1 网络结构

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)))

2.2图的构建

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)

总结:


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:

参考文献:

[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

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏ATYUN订阅号

如何在Python中扩展LSTM网络的数据

您的序列预测问题的数据可能需要在训练神经网络时进行缩放,例如LSTM递归神经网络。 当网络适合具有一定范围值(例如10s到100s的数量)的非标度数据时,大量...

3915
来自专栏人工智能LeadAI

零基础入门深度学习 | 第六章:长短时记忆网络(LSTM)

无论即将到来的是大数据时代还是人工智能时代,亦或是传统行业使用人工智能在云上处理大数据的时代,作为一个有理想有追求的程序员,不懂深度学习(Deep Learni...

7865
来自专栏ATYUN订阅号

5种主要聚类算法的简单介绍

AiTechYun 编辑:Yining 聚类是一种机器学习技术,它涉及到数据点的分组。给定一组数据点,我们可以使用聚类算法将每个数据点划分为一个特定的组。理论上...

3114
来自专栏wOw的Android小站

[深度学习]Charpter 9:卷积网络

卷积网络convolutional network,也叫做卷积神经网络convolutional neural network CNN 专门用来处理类似网格结构...

1251
来自专栏技术翻译

带你了解什么是卷积神经网络

CNN在图像处理和视频处理领域有着广泛的应用。在这篇文章中,我将详细介绍卷积神经网络是如何进化的,以及为什么它们在图像领域如此出色。在此基础上,我们将建立一个使...

2460
来自专栏企鹅号快讯

卷积神经网络CNN原理详解(一)——基本原理

作者:Charlotte77数学系的数据挖掘民工 博客专栏:http://www.cnblogs.com/charlotte77/ 个人公众号:Charlott...

3815
来自专栏机器学习入门

深度学习系列(2):前向传播和后向传播算法

深度学习系列(2):前向传播和后向传播算法 前言 讲真,之前学吴恩达的机器学习课时,还手写实现过后向传播算法,但如今忘得也一干二净。总结两个原因:1. 理解不够...

3377
来自专栏大数据挖掘DT机器学习

Python实现--元算法、AdaBoost

第一节,元算法略述 遇到罕见病例时,医院会组织专家团进行临床会诊共同分析病例以判定结果。如同专家团临床会诊一样,重大决定汇总多个人的意见往往胜过一个人的决定。机...

3756

对于小批量梯度下降以及如何配置批量大小的入门级介绍

随机梯度下降是训练深度学习模型的主要方法。

2405
来自专栏人工智能

神经网络的基础-逻辑回归

练习数据和代码那必须是每一期都有的,文末查看获取方式。 大家好,今天给大家介绍的算法叫做逻辑回归。 从名字入手,逻辑回归嘛,它肯定是回归的一种,还记得我们之前讲...

2296

扫码关注云+社区

领取腾讯云代金券