pix2pix tensorflow试验(GAN之图像转图像的操作)
来源:互联网 发布:换手率数据 下载 编辑:程序博客网 时间:2024/06/03 17:45
GAN是一种典型的概率生成模型,其核心思想是:找出给定观测数据内部的统计规律,并且能够基于所得到的概率分布模型,产生全新的,与观测数据类似的数据。
概率生成模型可以用于自然图像的生成。假设给定1000万张图片之后,生成模型可以自动学习到其内部分布,能够解释给定的训练图片,并同时生成新的图片。
与庞大的真实数据相比,概率生成模型的参数个数要远远小于数据的数量。因此,在训练过程中,生成模型会被强迫去发现数据背后更为简单的统计规律,从而能够生成这些数据。
由于GAN这种无监督学习已经成为深度学习的新技术点,而且出来了很多应用,因此对GAN的一些应用进行逐步学习,其中图像到图像之间的转换操作是一种典型的应用。因此对该技术进行学习操作。
本实验主要参考代码为:https://github.com/affinelayer/pix2pix-tensorflow
(1)首先下载数据集,https://people.eecs.berkeley.edu/~tinghuiz/projects/pix2pix/datasets/,从这个网址上可以下载很多个经典的应用数据集。本文实验只选用facades这个数据集,由于剩下原理都是一样的。
(2)进行训练
在程序pix2pix.py代码中,手动添加测试参数,本文只让运行200次。
# 训练的时候的参数
# a.input_dir = "/home/ndscbigdata/work/imgdata/facades/train"
# a.mode = "train"
# a.output_dir = "/home/ndscbigdata/work/imgdata/facades/ckt"
# a.max_epochs=200
# a.which_direction = "BtoA"
(3)进行测试
# 测试的时候的参数a.input_dir = "/home/ndscbigdata/work/imgdata/facades/val"
a.mode = "test"
a.output_dir = "/home/ndscbigdata/work/imgdata/facades/facades_test"
a.checkpoint="/home/ndscbigdata/work/imgdata/facades/ckt"
测试结果运行结果如图所示:
测试结果截图如下:可以看出生成效果还是相当不错的,不过假如把训练max_epochs设置大一些,可能效果更好。
具体的代码已经发布在github上:https://github.com/ndscigdata/tensorflow-pratice
- pix2pix tensorflow试验(GAN之图像转图像的操作)
- pix2pix tensorflow试验(GAN之图像转图像的操作)
- pix2pix tensorflow试验(GAN之图像转图像的操作)
- Pix2Pix-基于GAN的图像翻译
- 【论文】GAN图像转换之从pix2pix到cycle GAN
- 利用条件GANs的pix2pix进化版:高分辨率图像合成和语义操作 | PaperDaily #23
- 利用条件GANs的pix2pix进化版:高分辨率图像合成和语义操作 | PaperDaily #23
- Tensorflow常见的图像操作
- GAN眼中的图像翻译
- GAN之根据文本描述生成图像
- GAN之根据文本描述生成图像
- GAN眼中的图像翻译(附神奇歌单)
- GAN眼中的图像翻译(附神奇歌单)
- GAN做图像翻译的一点总结
- android之图像的操作
- 【TensorFlow】数据处理(对图像的处理)
- tensorflow学习之图像处理
- 深度学习之星(二):GAN之图像转换 | 公开课
- web.xml文件简单说明
- MySQL学习笔记 5:存储引擎和图形化管理工具
- Java 三大框架——Struts
- 进程之间的通信-邮槽实现
- Spark资源调度
- pix2pix tensorflow试验(GAN之图像转图像的操作)
- 微信:公众号开放了门店小程序 无需编程
- 59-UDP 数据报丢失
- eclipse如何导入swt包
- PL/SQL中的游标(cursor)
- BZOJ2039: [2009国家集训队]employ人员雇佣
- Spring MVC实战系列教程(1)–Hello Spring MVC
- 学习雷神Android HelloWorld
- (python学习笔记)1 元组、集合、字典