Pix2Pix: Image |
您所在的位置:网站首页 › 360度渲染 › Pix2Pix: Image |
本文已参与「新人创作礼」活动, 一起开启掘金创作之路。 摘要: Pix2Pix是一种基于cGAN的图像到图像转译的架构,其中生成器输入是一张我们需 要转换的图,输出是一张转译目标图;判别器输入一对图片配对 ( paired data),即转换图和 生成图的配对或者是转换图和原图的配对,输出这一配对是原图的概率。pix2pix算法能够实 现标签图到街景图,黑白图到彩色图,标签图到建筑图等任务的映射,是一个比较通用的图片 转译算法。 点个star:github.com/Bailey-24/p… 图片转译是基于一张输入图像得到想要的输出图像的过程,可以看做是图像和图像之间的 一种映射,例如轮廓图转彩色图,实现图像状态之间的转换,所以图片转译是一个图像生成任 务。 1.2 生成对抗模型GAN 对于图像生成任务,容易想到当时很流行的生成对抗模型 Generator Adversarial Networks (GAN). GAN包含生成器 G和判别器 D,具体流程如图1所示,G的作用是生成图 片,其输入是一个随机编码 z , 输出一个生成的图片;D 是用来判断的,其输入是生成器 G输 出的图片,输出这张图是真的概率,真的则输出1,假的输出0。
由于GAN算法的生长器是基础一个随机噪声生成图像,难以控制输出,所以需要一些约 束条件来指导图像生成,添加条件信息后的GAN称为Conditional GAN (cGAN). Pix2pix是 基于 cGAN实现图片转译,以用户输入的图片作为条件。 Pix2pix算法流程如图2所示,在图中以基于图像边缘生成图像为例。 训练pix2pix数据需要一组配对的条件图像 x 和原始图像 y。 1) x 作为生成器 G的输入,得到生成图像G(x),然后将x 和 G(x)作为判别器的输入,得到 预测概率值,这个值表示输入是否是一对真实图像,概率值越接近1表示判别器越肯定输入的 是一对真实图像。 2) 将原始图像y和条件图像x作为判别器D的输入,得到预测概率值。 根据上面的的原理介绍,可以写出cGAN的目标函数,如下。
生成器采用UNet,因为作者认为输入和输出图像的外表面 (surface appearance) 应该不 同,而潜在的结构 (underlying structure) 应该相似,也就是输入和输出应该共享一些底层 信息,因此使用UNet这种跳层连接 (skip connection) 的方法,这里的跳层连接是第 i 层与第 n − i层相连,如下所示。 因为目标函数中有 L1损失,这样能够较好地恢复图像的低频部分(图像中的色块),但 是不能很好地恢复图像的高频部分(图像中的边缘),所以为了更好地对图像的局部做判断, 作者用PatchGAN作为判别器,也就是把图像等分成patch大小,分别判断每个patch的真 假,最后再取平均,这个平均值作为整张图片的真假概率,而不是像GAN那样对整一张图片 判断真假。 主机:ubuntu 18.04 实现框架:jittor 和 pytorch 硬件 (服务器): 显卡:Nvidia TITAN V,12G CPU:Intel E5-2699 v4 @ 2.20GHz x88 内存:220G 3.2 实现流程和核心代码 以下都是用jittor框架写的代码。 点个star:github.com/Bailey-24/p… 先训练判别器,后生成器前面;而且如果判别器太强大导致生成器学不到什么东西,可以 使判断器每两个epochs更新一次参数,或者调小判断器的学习率。 以下为训练核心代码。 实验目的:实现pix2pix算法并对比jittor和pytorch下的速度和效果,两种框架下的模 型架构和超参数相同。 在这种生成任务上,jittor跑的速度比pytorch快。在 facades 数据集上,训练集有 400张,jittor跑一个epoch平均需要24秒左右,pytorch则需要48秒左右,jittor比pytorch 足足快了两倍。 但是用pytorch和jittor都是跑400 epochs情况下, pytorch的表现更加好一点,因为 jittor没学到一些外形建筑物,比如下图的柱子,而且jittor生成的图比pytorch模糊。用相同 的图片对pytorch和jittor测试,左边是原图,中间是生成图,右边是conditional image.
1. pix2pix算法笔记 2. 一文读懂GAN, pix2pix, CycleGAN和pix2pixHD 3. pix2pix算法原理与实现 4. 官方代码 5. jittor_GAN模型库 6. pytorch_GAN模型库 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |