溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本文實例講述了Python通過VGG16模型實現(xiàn)圖像風格轉換操作。分享給大家供大家參考，具體如下：
卷積網(wǎng)絡每一層的激活值可以看作一個分類器，多個分類器組成了圖像在這一層的抽象表示，而且層數(shù)越深，越抽象
內(nèi)容特征：圖片中存在的具體元素，圖像輸入到CNN后在某一層的激活值
風格特征：繪制圖片元素的風格，各個內(nèi)容之間的共性，圖像在CNN網(wǎng)絡某一層激活值之間的關聯(lián)
風格轉換：在一幅圖片內(nèi)容特征的基礎上添加另一幅圖片的風格特征從而生成一幅新的圖片。在卷積模型訓練中，通過輸入固定的圖片來調(diào)整網(wǎng)絡的參數(shù)從而達到利用圖片訓練網(wǎng)絡的目的。而在生成特定風格圖片時，固定已有的網(wǎng)絡參數(shù)不變，調(diào)整圖片從而使圖片向目標風格轉化。在內(nèi)容風格轉換時，調(diào)整圖像的像素值，使其向目標圖片在卷積網(wǎng)絡輸出的內(nèi)容特征靠攏。在風格特征計算時，通過多個神經(jīng)元的輸出兩兩之間作內(nèi)積求和得到Gram矩陣，然后對G矩陣做差求均值得到風格的損失函數(shù)。
將內(nèi)容損失函數(shù)和風格損失函數(shù)對應乘以權重再加起來就得到了總的損失函數(shù)，最后的生成圖既有內(nèi)容特征也有風格特征
通過預訓練好的Vgg16模型來對圖片進行風格轉換，首先需要準備好vgg16的模型參數(shù)。鏈接: https://pan.baidu.com/s/1shw2M3Iv7UfGjn78dqFAkA 提取碼: ejn8
通過numpy.load()導入并查看參數(shù)的內(nèi)容：
import numpy as np
data=np.load('./vgg16_model.npy',allow_pickle=True,encoding='bytes')
# print(data.type())
data_dic=data.item()
# 查看網(wǎng)絡層參數(shù)的鍵值
print(data_dic.keys())
打印鍵值如下，可以看到分別有不同的卷積和全連接層：
dict_keys([b'conv5_1', b'fc6', b'conv5_3', b'conv5_2', b'fc8', b'fc7', b'conv4_1', b'conv4_2', b'conv4_3', b'conv3_3', b'conv3_2', b'conv3_1', b'conv1_1', b'conv1_2', b'conv2_2', b'conv2_1'])
接著查看具體每層的參數(shù)，通過data_dic[key]可以獲取到key對應層次的參數(shù)，例如可以看到卷積層1_1的權值w為3個3×3的卷積核，對應64個輸出通道
# 查看卷積層1_1的參數(shù)w,b w,b=data_dic[b'conv1_1'] print(w.shape,b.shape) # (3, 3, 3, 64) (64,) # 查看全連接層的參數(shù) w,b=data_dic[b'fc8'] print(w.shape,b.shape) # (4096, 1000) (1000,)
通過將已經(jīng)訓練好的參數(shù)填充到網(wǎng)絡之中就可以搭建VGG網(wǎng)絡了。
在類初始化函數(shù)中讀取預訓練模型文件中的參數(shù)到self.data_dic
首先構建卷積層，通過傳入的各個卷積層name參數(shù)，讀取模型中對應的卷積層參數(shù)并填充到網(wǎng)絡中。例如讀取第一個卷積層的權值和偏置值，傳入name='conv1_1，則data_dic[name][0]可以得到權值weight，data_dic[name][1]得到偏置值bias。通過tf.constant構建常量，再執(zhí)行卷積操作，加偏置項，經(jīng)激活函數(shù)后輸出。
接下來實現(xiàn)池化操作，由于池化不需要參數(shù)，所以直接對輸入進行最大池化操作后輸出即可
接著經(jīng)過展開層，由于卷積池化后的數(shù)據(jù)是四維向量[batch_size,image_width,image_height,chanel]，需要將最后三維展開，將最后三個維度相乘，通過tf.reshape()展開
最后需要把結果經(jīng)過全連接層，它的實現(xiàn)和卷積層類似，讀取權值和偏置參數(shù)后進行全連接操作后輸出。
class VGGNet:
def __init__(self, data_dir):
data = np.load(data_dir, allow_pickle=True, encoding='bytes')
self.data_dic = data.item()
def conv_layer(self, x, name):
# 實現(xiàn)卷積操作
with tf.name_scope(name):
# 從模型文件中讀取各卷積層的參數(shù)值
weight = tf.constant(self.data_dic[name][0], name='conv')
bias = tf.constant(self.data_dic[name][1], name='bias')
# 進行卷積操作
y = tf.nn.conv2d(x, weight, [1, 1, 1, 1], padding='SAME')
y = tf.nn.bias_add(y, bias)
return tf.nn.relu(y)
def pooling_layer(self, x, name):
# 實現(xiàn)池化操作
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME', name=name)
def flatten_layer(self, x, name):
# 實現(xiàn)展開層
with tf.name_scope(name):
# x_shape->[batch_size,image_width,image_height,chanel]
x_shape = x.get_shape().as_list()
dimension = 1
# 計算x的最后三個維度積
for d in x_shape[1:]:
dimension *= d
output = tf.reshape(x, [-1, dimension])
return output
def fc_layer(self, x, name, activation=tf.nn.relu):
# 實現(xiàn)全連接層
with tf.name_scope(name):
# 從模型文件中讀取各全連接層的參數(shù)值
weight = tf.constant(self.data_dic[name][0], name='fc')
bias = tf.constant(self.data_dic[name][1], name='bias')
# 進行全連接操作
y = tf.matmul(x, weight)
y = tf.nn.bias_add(y, bias)
if activation==None:
return y
else:
return tf.nn.relu(y)
通過self.build()函數(shù)實現(xiàn)Vgg16網(wǎng)絡的搭建.數(shù)據(jù)輸入后首先需要進行歸一化處理，將輸入的RGB數(shù)據(jù)拆分為R、G、B三個通道，再將三個通道分別減去一個固定值，最后將三通道按B、G、R順序重新拼接為一個新的數(shù)據(jù)。
接下來則是通過上面的構建函數(shù)來搭建VGG網(wǎng)絡，依次將五層的卷積池化網(wǎng)絡、展開層、三個全連接層的參數(shù)讀入各層，并搭建起網(wǎng)絡，最后經(jīng)softmax輸出
def build(self,x_rgb):
s_time=time.time()
# 歸一化處理，在第四維上將輸入的圖片的三通道拆分
r,g,b=tf.split(x_rgb,[1,1,1],axis=3)
# 分別將三通道上減去特定值歸一化后再按bgr順序拼起來
VGG_MEAN = [103.939, 116.779, 123.68]
x_bgr=tf.concat(
[b-VGG_MEAN[0],
g-VGG_MEAN[1],
r-VGG_MEAN[2]],
axis=3
)
# 判別拼接起來的數(shù)據(jù)是否符合期望，符合再繼續(xù)往下執(zhí)行
assert x_bgr.get_shape()[1:]==[668,668,3]
# 構建各個卷積、池化、全連接等層
self.conv1_1=self.conv_layer(x_bgr,b'conv1_1')
self.conv1_2=self.conv_layer(self.conv1_1,b'conv1_2')
self.pool1=self.pooling_layer(self.conv1_2,b'pool1')
self.conv2_1=self.conv_layer(self.pool1,b'conv2_1')
self.conv2_2=self.conv_layer(self.conv2_1,b'conv2_2')
self.pool2=self.pooling_layer(self.conv2_2,b'pool2')
self.conv3_1=self.conv_layer(self.pool2,b'conv3_1')
self.conv3_2=self.conv_layer(self.conv3_1,b'conv3_2')
self.conv3_3=self.conv_layer(self.conv3_2,b'conv3_3')
self.pool3=self.pooling_layer(self.conv3_3,b'pool3')
self.conv4_1 = self.conv_layer(self.pool3, b'conv4_1')
self.conv4_2 = self.conv_layer(self.conv4_1, b'conv4_2')
self.conv4_3 = self.conv_layer(self.conv4_2, b'conv4_3')
self.pool4 = self.pooling_layer(self.conv4_3, b'pool4')
self.conv5_1 = self.conv_layer(self.pool4, b'conv5_1')
self.conv5_2 = self.conv_layer(self.conv5_1, b'conv5_2')
self.conv5_3 = self.conv_layer(self.conv5_2, b'conv5_3')
self.pool5 = self.pooling_layer(self.conv5_3, b'pool5')
self.flatten=self.flatten_layer(self.pool5,b'flatten')
self.fc6=self.fc_layer(self.flatten,b'fc6')
self.fc7 = self.fc_layer(self.fc6, b'fc7')
self.fc8 = self.fc_layer(self.fc7, b'fc8',activation=None)
self.prob=tf.nn.softmax(self.fc8,name='prob')
print('模型構建完成，用時%d秒'%(time.time()-s_time))
首先需要定義網(wǎng)絡的輸入與輸出。網(wǎng)絡的輸入是風格圖像和內(nèi)容圖像，兩張圖象都是668×668的3通道圖片。首先通過PIL庫中的Image對象完成讀入內(nèi)容圖像style_img和風格圖像content_img，并將其轉化為數(shù)組，定義對應的占位符style_in和content_in，在訓練時將圖片填入。
網(wǎng)絡的輸出是一張結果圖片668×668的3通道，通過隨機函數(shù)初始化一個結果圖像的數(shù)組res_out。
利用上面定義的VGGNet類來創(chuàng)建圖片對象，并完成build操作。
vgg16_dir = './data/vgg16_model.npy' style_img = './data/starry_night.jpg' content_img = './data/city_night.jpg' output_dir = './data' def read_image(img): img = Image.open(img) img_np = np.array(img) # 將圖片轉化為[668,668,3]數(shù)組 img_np = np.asarray([img_np], ) # 轉化為[1,668,668,3]的數(shù)組 return img_np # 輸入風格、內(nèi)容圖像數(shù)組 style_img = read_image(style_img) content_img = read_image(content_img) # 定義對應的輸入圖像的占位符 content_in = tf.placeholder(tf.float32, shape=[1, 668, 668, 3]) style_in = tf.placeholder(tf.float32, shape=[1, 668, 668, 3]) # 初始化輸出的圖像 initial_img = tf.truncated_normal((1, 668, 668, 3), mean=127.5, stddev=20) res_out = tf.Variable(initial_img) # 構建VGG網(wǎng)絡對象 res_net = VGGNet(vgg16_dir) style_net = VGGNet(vgg16_dir) content_net = VGGNet(vgg16_dir) res_net.build(res_out) style_net.build(style_in) content_net.build(content_in)
接著需要定義損失函數(shù)loss。
對于內(nèi)容損失，先選定內(nèi)容風格圖像和結果圖像的卷積層，要相同，比如這里選取了卷積層1_1和2_1。然后這兩個特征層的后三個通道求平方差，然后取均值，就是內(nèi)容損失。
對于風格損失，首先需要對風格圖像和結果圖像的特征層求gram矩陣，然后對gram矩陣求平方差的均值。
最后按照系數(shù)比例將兩個損失函數(shù)相加即可得到loss
# 計算損失，分別需要計算內(nèi)容損失和風格損失 # 提取內(nèi)容圖像的內(nèi)容特征 content_features = [ content_net.conv1_2, content_net.conv2_2 # content_net.conv2_2 ] # 對應結果圖像提取相同層的內(nèi)容特征 res_content = [ res_net.conv1_2, res_net.conv2_2 # res_net.conv2_2 ] # 計算內(nèi)容損失 content_loss = tf.zeros(1, tf.float32) for c, r in zip(content_features, res_content): content_loss += tf.reduce_mean((c - r) ** 2, [1, 2, 3]) # 計算風格損失的gram矩陣 def gram_matrix(x): b, w, h, ch = x.get_shape().as_list() features = tf.reshape(x, [b, w * h, ch]) # 對features矩陣作內(nèi)積，再除以一個常數(shù) gram = tf.matmul(features, features, adjoint_a=True) / tf.constant(w * h * ch, tf.float32) return gram # 對風格圖像提取特征 style_features = [ # style_net.conv1_2 style_net.conv4_3 ] style_gram = [gram_matrix(feature) for feature in style_features] # 提取結果圖像對應層的風格特征 res_features = [ res_net.conv4_3 ] res_gram = [gram_matrix(feature) for feature in res_features] # 計算風格損失 style_loss = tf.zeros(1, tf.float32) for s, r in zip(style_gram, res_gram): style_loss += tf.reduce_mean((s - r) ** 2, [1, 2]) # 模型內(nèi)容、風格特征的系數(shù) k_content = 0.1 k_style = 500 # 按照系數(shù)將兩個損失值相加 loss = k_content * content_loss + k_style * style_loss
接下來開始進行100輪的訓練，打印并查看過程中的總損失、內(nèi)容損失、風格損失值。并將每輪的生成結果圖片輸出到指定目錄下
# 進行訓練
learning_steps = 100
learning_rate = 10
train_op = tf.train.AdamOptimizer(learning_rate).minimize(loss)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
for i in range(learning_steps):
t_loss, c_loss, s_loss, _ = sess.run(
[loss, content_loss, style_loss, train_op],
feed_dict={content_in: content_img, style_in: style_img}
)
print('第%d輪訓練，總損失：%.4f，內(nèi)容損失：%.4f，風格損失：%.4f'
% (i + 1, t_loss[0], c_loss[0], s_loss[0]))
# 獲取結果圖像數(shù)組并保存
res_arr = res_out.eval(sess)[0]
res_arr = np.clip(res_arr, 0, 255) # 將結果數(shù)組中的值裁剪到0~255
res_arr = np.asarray(res_arr, np.uint8) # 將圖片數(shù)組轉化為uint8
img_path = os.path.join(output_dir, 'res_%d.jpg' % (i + 1))
# 圖像數(shù)組轉化為圖片
res_img = Image.fromarray(res_arr)
res_img.save(img_path)
運行結果如下可以看到依次分別為內(nèi)容圖片、風格圖片、訓練12輪、46輪、100輪結果圖片
更多關于Python相關內(nèi)容感興趣的讀者可查看本站專題：《Python數(shù)據(jù)結構與算法教程》、《Python加密解密算法與技巧總結》、《Python編碼操作技巧總結》、《Python函數(shù)使用技巧總結》、《Python字符串操作技巧匯總》及《Python入門與進階經(jīng)典教程》
希望本文所述對大家Python程序設計有所幫助。
免責聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權內(nèi)容。
