【论文精读+项目实战】基于CycleGan图像风格迁移实战！迪哥带你揭开照片秒变

CycleGAN

不需要配对也能完成网络训练

输入数据只需要两组数据集即可，无需指定对应关系，例如马和斑马

trainA

trainB

patchGAN的作用，输出的是一个N*N的矩阵，需要基于感受野来计算损失

基于感受野在特征图上的预测结果和标签（也需设置成N*N）计算损失

下载数据集，使用bash命令

dataset

下载地址，但是cityscape比较特殊，要去官网下载

$FILE

数据集列表

数据集目录设置，测试集可自己指定

训练

train.py

预训练模型

训练好的一些模型

网址

用别人训练好的模型就可以直接得到一个测试结果，用于测试使用

预训练好的模型放在checkpoints里面,自己训练好的模型也会存放在这里

visdem工具

使用train.py前需要配置参数

configuration 指定参数

如测试集

指定测试集路径

--dataroot 数据路径

--name 预训练模型

--model

results里面存放输出结果，包含一个真的一个假的

训练断点看一步步是怎么做的

训练参数指定

如果显存太小可能就是要改输入大小为128*128，项目最小显存8G以上，12G比较好，不然容易报错，batchsize=1,改图像输入大小

debug模式

先定义好数据，构建数据 ，把路径指定好。读数据

这里判断模型模式是cycle-gan还是pixel2pixel

指定路径

transform 操作

把图像数据映射到0-1间，GAN中希望输入为-1-1更好

A、B操作差不多

batchsize

model构建损失函数

生成器。A-B ,B-A架构一样

一般特征图越来越小，特征图个数越来越多然后还原，最后输出一样和输入，卷积和反卷积

默认加9个残差模块提特征

上采样，反卷积

一定是reflectionpad2d(3）

判别器

最后落到一个点