图片风格转换

方案1:生成对话网络发现跨域关系。
可以将图像中一种物体的风格转换给另一种物体,并且保留关键特征属性。

输入:图X和图Y

输出:结合图Y风格并保留图X特征的新图。

效果

1.鞋子->提包->鞋子

2.

项目主页:https://github.com/carpedm20/DiscoGAN-pytorch

环境要求:

用法

第一步

首先从pix2pix下载数据集:

$ bash ./data/download_dataset.sh dataset_name
建筑外观:CMP建筑外观数据集400幅。
城市景观:2975张城市风景训练集的图像。
地图:从Google地图中刮下1096个训练图像
edge2shoes:来自UT Zappos50K数据集的50k个训练图像。
edge2handbags:来自iGAN项目的137K Amazon手袋图片。
或者您可以使用自己的数据集放置像:

或者您可以使用自己的数据集放置像:

数据

├──YOUR_DATASET_NAME
│├──A
│| ├──xxx.jpg(名字没关系)
│| ├──yyy.jpg
│| └──...
│└──B
│├──zzz.jpg
│├──www.jpg
│└──...
└──download_dataset.sh
每个数据集中的所有图像应具有相同的大小,如使用imagemagick:

第二步

在Ubuntu中安装使用

$ sudo apt-get install imagemagick
$ mogrify -resize 256x256! -quality 100 -path YOUR_DATASET_NAME/A/.jpg
$ mogrify -resize 256x256! -quality 100 -path YOUR_DATASET_NAME/B/
.jpg

在Mac中安装使用

$ brew install imagemagick
$ mogrify -resize 256x256! -quality 100 -path YOUR_DATASET_NAME/A/.jpg
$ mogrify -resize 256x256! -quality 100 -path YOUR_DATASET_NAME/B/
.jpg

在scale 和 center crop中

$ mogrify -resize 256x256^ -gravity center -crop 256x256+0+0 -quality 100 -path ../A/*.jpg

第三步

训练模型

$ python main.py --dataset=edges2shoes --num_gpu=1
$ python main.py --dataset=YOUR_DATASET_NAME --num_gpu=4

第四步

测试模型(使用本地路径)

$ python main.py --dataset=edges2handbags --load_path=logs/edges2handbags_2017-03-18_10-55-37 --num_gpu=0 --is_train=False

Leave A Comment?