使用神经网络进行图像风格迁移的实现

每个实现之间是独立的，目前已经实现的（按实现时间顺序）：

• cyclegan/ 即 CycleGAN，使用论文 Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
• cnn-transfer/ 使用论文 Image Style Transfer Using Convolutional Neural Networks

说明

目录

• assets/ 放置数据集
• models/ 训练好的模型
• output/ 风格迁移生成的图像
• log/ 日志

文件

• main.py 使用其他脚本，模型训练和图像生成

  结构一般为

  1. 解析配置，得到 opt、logger；
  2. 构建模型、数据集、优化器，这部分会包装为函数再使用，防止污染外部命名空间；
  3. 图像生成函数的实现；
  4. 训练和生成函数的实现。

• models.py 模型结构实现

• datasets.py 数据集加载和预处理

• utils.py 日志记录和生成目录

• generate.py 使用模型对某一图片或某一目录进行风格迁移

一般来说，main.py 和 generate.py 以外的文件是独立的。

使用

在每个实现的目录下都有配置文件 options.yaml 或配置目录 configs/。这些配置一般包含：项目命名，epoch 设置，模型和数据的保存，模型参数和优化器参数，图像大小（将会被裁剪或变形）。不同项目的实现的结构不一定相同。

然后按照配置将数据集放在 assets/ 对应的子目录下，最后直接使用 main.py 脚本进行训练（有监督学习）或生成（无监督学习）。

python main.py