基于Tensorflow的CycleGAN测试(非成对图像风格迁移:橙子--> 苹果)
2017-06-02 16:39
447 查看
图像风格迁移有两种大的类型,一种是成对的,一种是非成对了。
成对的著名模型就是pix2pix,这种的例子,如从影像地图转换为矢量地图,从素描转换为纹理图等。这些的特点就是训练数据集之间的成对的。
而非成对的,就是如从不同物体之间的转换,如从橙子转换为苹果,或者不同季节之间的切换。
(/Uploads/Images/Content/201706/f2d23373478a0363da620fcb1a3b9974.jpg,两者之间的比较如这个网址的图片所示。)
在上次实现了pix2pix之后,这回也尝试着实现一下不成对的风格迁移,套路还是差不多的。著名就是cyclegan模型,这种模型也是需要从训练集中(不同类的物体之间)寻找一种特征映射,而这种映射的实现是基于GAN来实现的。
测试例子如下所示:
可以看到,在物体(宏观)之间的转换,其结果是比较好的。
而一旦涉及到果实里面的部分的比较时,这个就相对弱一些了。(效果不算好)
成对的著名模型就是pix2pix,这种的例子,如从影像地图转换为矢量地图,从素描转换为纹理图等。这些的特点就是训练数据集之间的成对的。
而非成对的,就是如从不同物体之间的转换,如从橙子转换为苹果,或者不同季节之间的切换。
(/Uploads/Images/Content/201706/f2d23373478a0363da620fcb1a3b9974.jpg,两者之间的比较如这个网址的图片所示。)
在上次实现了pix2pix之后,这回也尝试着实现一下不成对的风格迁移,套路还是差不多的。著名就是cyclegan模型,这种模型也是需要从训练集中(不同类的物体之间)寻找一种特征映射,而这种映射的实现是基于GAN来实现的。
测试例子如下所示:
可以看到,在物体(宏观)之间的转换,其结果是比较好的。
而一旦涉及到果实里面的部分的比较时,这个就相对弱一些了。(效果不算好)
相关文章推荐
- fast neural style transfer图像风格迁移基于tensorflow实现
- 将 TensorFlow 移植到 Android手机,实现物体识别、行人检测和图像风格迁移详细教程
- 将 TensorFlow 移植到 Android手机,实现物体识别、行人检测和图像风格迁移详细教程
- Android手机移植TensorFlow,实现物体识别、行人检测、图像风格迁移
- 基于深度学习的风格迁移转换的两种实现——style-transfer和fast-neural-style-tensorflow
- 将 TensorFlow 移植到 Android手机,实现物体识别、行人检测和图像风格迁移详细教程
- 基于tensorflow实现图像风格的变换
- Tensorflow深度学习之二十三:图像风格迁移
- tensorflow学习笔记九:将 TensorFlow 移植到 Android手机,实现物体识别、行人检测和图像风格迁移详细教程
- TensorFlow练手项目三:使用VGG19迁移学习实现图像风格迁移
- 将 TensorFlow 移植到 Android手机,实现物体识别、行人检测和图像风格迁移详细教程
- 将 TensorFlow 移植到 Android手机,实现物体识别、行人检测和图像风格迁移详细教程
- 将 TensorFlow 移植到 Android手机,实现物体识别、行人检测和图像风格迁移详细教程
- 将 TensorFlow 移植到 Android手机,实现物体识别、行人检测和图像风格迁移详细教程
- 基于PyTorch的深度学习入门教程(八)——图像风格迁移
- Tensorflow实现照片风格的迁移
- Tensorflow学习笔记--使用迁移学习做自己的图像分类器(Inception v3)
- 基于tensorflow 1.0的图像叙事功能测试(model/im2txt)
- tensorflow 风格迁移
- 机器学习:利用卷积神经网络实现图像风格迁移 (三)