前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >pix是什么意思(pixio)

pix是什么意思(pixio)

作者头像
全栈程序员站长
发布2022-07-28 19:58:21
8040
发布2022-07-28 19:58:21
举报

大家好,又见面了,我是你们的朋友全栈君。

本文会介绍cGAN和pix2pix,并在 TensorFlow 中使用 pix2pix 模型。

一、cGAN原理

使用GAN可以无监督生成全新的图片,比如使用GAN生成MNIST数字,虽然可以生成数字,但是不能生成确定的数字。如果希望控制生成的结果,例如生成数字1,此时就要用到cGAN了。

cGAN 的全称为 Conditional Generative Adversarial Networks, 即条件对抗生成网 络,它为生成器、判别器都额外加入了一个条件 y, 这个条件实际是希望生成的标签 。 生成器 G 必须要生成和条件 y 匹配的样本,判别器不仅要判别图像是否真实,还要判别图像和条件y是否匹配。cGAN的输入输出为:

(1)生成器 G, 输入一个噪声 z, 一个条件 y,输出符合该条件的图像 G(z[y)。

(2)判别器 D ,输入一张图像、一个条件 y,输出该图像在该条件下的真实概率 D(x[y)。

cGAN损失定义:在GAN的优化目标中加入条件y,即:

pix是什么意思(pixio)
pix是什么意思(pixio)

二、pix2pix模型的原理

在自然语言处理领域,机器翻译,也就是将中文译成英文,对应的,在图像领域,也有图像翻译。例如:将白天的图片转换为夜晚的图片、将街景的标注图像变为真实图片。使用pix2pix可以处理这类问题,模型结构如下:

pix是什么意思(pixio)
pix是什么意思(pixio)

它是一种特殊的cGAN,设要将 Y类型的图像转换为 X类型的图像, G、 D 的任务分别为 :

(1)G 的输入是一个 Y类图像y (条件y) ,输出为生成图像 G(y)。

(2)D 的输入为一个X类图像x,一个 y类图像y。D需要判断x图像是否是真正的y对应的图像,并输出一个概率。

模型损失定义为:L1+cGAN。实验中发现,在生成图像和真实图像中加入L1/L2损失,可以加速模型收敛以及提高准确率。

在pix2pix2提出一种PatchGAN的思想:PatchGAN 对图片中每个 NxN 的小块计算概率, 然后再将这些概率求平均值作为整体的输出,这样做可以加快计算速度以及加快收敛。

三、TensorFlow中的pix2pix模型

1、执行已有数据集

Facades数据集包含了建筑的外观图像和建筑的标注 。 建筑的标注同样是图像形式,用不同颜色的色块表示不同的类别。Facades 数据集将建筑外观分为墙壁、窗户、门、檐口等 12 个类别。下载Facades 数据集:python tools/download-dataset.py facades

pix是什么意思(pixio)
pix是什么意思(pixio)

所有的样本图像都是两张图片拼接起来的,训练时,可以将A类图像翻译成B类图像。本例将标注图像生成真实图像,运行命令:

代码语言:javascript
复制
python pix2pix.py
--mode train # 表示从头训练模型 test表示用已有模型测试
--output_dir facades_train # 保存模型的位置
--max_epochs 200 # epoch数
--input_dir facades/train/ # 训练数据
--which_direction BtoA # 翻译方向

训练结束后,使用命令进行测试:

代码语言:javascript
复制
python pix2pix.py
--mode test # 用已有模型测试
--output_dir facades_test # 保存所有图片的测试结果
--input_dir facades/val # 训练数据
--checkpoint facades_train # 之前保存模型的位置,表示从此处恢复模型

执行测试后,在 facades_test 文件夹下,会产生一个 index.html 文件 。 打开后可以看到一个可视化展示生成结果的网页。

2、创建自己的数据集

通过程序,将训练数据也整理为之前所说的 A、 B 图像并列排列的形式,用对应的指令进行训练和测试,相应代码在process.py文件中。

(1)将图片缩放到同样的大小

代码语言:javascript
复制
def resize(src):
    height, width, _ = src.shape
    dst = src
    if height != width:
        if a.pad:
            size = max(height, width)
            # pad to correct ratio
            oh = (size - height) // 2
            ow = (size - width) // 2
            dst = im.pad(image=dst, offset_height=oh, offset_width=ow, target_height=size, target_width=size)
        else:
            # crop to correct ratio
            size = min(height, width)
            oh = (height - size) // 2
            ow = (width - size) // 2
            dst = im.crop(image=dst, offset_height=oh, offset_width=ow, target_height=size, target_width=size)

    assert(dst.shape[0] == dst.shape[1])

    size, _, _ = dst.shape
    if size > a.size:
        dst = im.downscale(images=dst, size=[a.size, a.size])
    elif size < a.size:
        dst = im.upscale(images=dst, size=[a.size, a.size])
    return dst

(2)转换图像井合并

对 A 类图像做某种操作以生成对应的 B 类图像,并将转焕后的图像合起来变成一个训练样本。比如将A图像挖去一部分成为B图像,再合并。

pix是什么意思(pixio)
pix是什么意思(pixio)
代码语言:javascript
复制
# 填充部分图像为空白
def blank(src):
    height, width, _ = src.shape
    if height != width:
        raise Exception("non-square image")

    image_size = width
    size = int(image_size * 0.3)
    offset = int(image_size / 2 - size / 2)

    dst = src
    dst[offset:offset + size,offset:offset + size,:] = np.ones([size, size, 3])
    return dst
代码语言:javascript
复制
# 合并
def combine(src, src_path):
    if a.b_dir is None:
        raise Exception("missing b_dir")

    # find corresponding file in b_dir, could have a different extension
    basename, _ = os.path.splitext(os.path.basename(src_path))
    for ext in [".png", ".jpg"]:
        sibling_path = os.path.join(a.b_dir, basename + ext)
        if os.path.exists(sibling_path):
            sibling = im.load(sibling_path)
            break
    else:
        raise Exception("could not find sibling image for " + src_path)

    # make sure that dimensions are correct
    height, width, _ = src.shape
    if height != sibling.shape[0] or width != sibling.shape[1]:
        raise Exception("differing sizes")
    
    # convert both images to RGB if necessary
    if src.shape[2] == 1:
        src = im.grayscale_to_rgb(images=src)

    if sibling.shape[2] == 1:
        sibling = im.grayscale_to_rgb(images=sibling)

    # remove alpha channel
    if src.shape[2] == 4:
        src = src[:,:,:3]
    
    if sibling.shape[2] == 4:
        sibling = sibling[:,:,:3]

    return np.concatenate([src, sibling], axis=1)

(3)分割数据集,把数据集分割为训练集和验证集

发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/128999.html原文链接:https://javaforall.cn

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022年4月1,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
NLP 服务
NLP 服务(Natural Language Process,NLP)深度整合了腾讯内部的 NLP 技术,提供多项智能文本处理和文本生成能力,包括词法分析、相似词召回、词相似度、句子相似度、文本润色、句子纠错、文本补全、句子生成等。满足各行业的文本智能需求。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档