前言

  神经风格迁移一经提出,便引起了业界的巨大兴趣,一些网站允许用户上传照片以进行风格迁移,甚至有一些网站将其用于商品销售(例如某宝的“DIY数字油画定制照片”等等)。但是作为技术宅,能用技术完成的,怎么能用钱买呢?当然是学会神经风格迁移,免费获取价值百元DIY数字油画定制照片。
DIY数字油画定制照片

神经风格迁移

  图像可以分解为内容和风格,内容描述了图像中的构成,例如图像中的花草树木,风格是指图片的细节,例如湖面的纹理和树木的颜色。在一天的不同时间同一建筑的照片具有不同的色调和亮度,可以被视为具有相同的内容但风格不同。
  在Gatys等人发表的论文中,使用CNN将一幅图像的艺术风格转移到另一幅图像:

风格迁移
  与大多数需要大量训练数据的深度学习模型不同,神经风格迁移仅需要两个图像——内容图像和样式图像。可以使用经过训练的CNN(例如VGG)将风格从风格图像迁移到内容图像上。
  如上图所示,(A)是内容图像,(B)–(D)展示了是风格图像和风格化后的内容图像,结果令人惊异!有些人甚至使用该算法来创作和出售艺术品。有些网站和应用程序可以上传照片来进行风格迁移,而无需了解底层的原理,但作为技术人员,我们当然希望自己实现此模型。

使用VGG提取特征

  分类器CNN可以分为两部分:第一部分称为特征提取器 (feature extractor),主要由卷积层组成;后一部分由几个全连接层组成,输出类概率得分,称为分类器头 (classifier head)。在ImageNet上为分类任务预先训练的CNN也可以用于其他任务,这就是所谓的迁移学习 (transfer learning),我们可以转移或重用一些学到的知识到新的网络或应用中。
  在CNN中,图像重建的两个步骤如下:

  1. 通过CNN向前计算图像以提取特征。
  2. 使用随机初始化的输入,并进行训练,以便其重建与步骤1中的参考特征最匹配的特征。

  在正常的网络训练中,输入图像是固定的,并且使用反向传播的梯度来更新网络权重。在神经风格迁移中,所有网络层都被冻结,而我们使用梯度来修改输入。在原始的论文使用的是 VGG19Keras 有一个可以使用的预训练模型。VGG的特征提取器由五个块组成,每个块的末尾都有一个下采样。每个块都有2~4个卷积层,整个VGG19具有16个卷积层和3个全连接层。
  在下文中,我们将实现内容重构,同时将其扩展以执行风格迁移。以下是使用预训练的VGG提取block4_conv2的输出层的代码:

# 因为我们只需要提取特征,所以在实例化VGG模型时使用include_top = False冻结网络参数
vgg = tf.keras.applications.VGG19(include_top=False, weights='imagenet')
content_layers = ['block4_conv2']
content_outputs = [vgg.get_layer(x).output for x in content_layers]
model = Model(vgg.input, content_outputs)

  预训练的 Keras CNN 模型分为两部分。底部由卷积层组成,通常称为特征提取器,而顶部是由全连接层组成的分类器头。因为我们只想提取特征而不关心分类器,所以在实例化VGG模型时将设置 include_top = False

图像加载

  首先需要加载内容图像和风格图像:

def scale_image(image):
    MAX_DIM = 512
    scale = np.max(image.shape)/MAX_DIM
    print(image.shape)
    new_shape = tf.cast(image.shape[:2]/scale, tf.int32)
    image = tf.image.resize(image, new_shape)
    return image
content_image = scale_image(np.asarray(Image.open('7.jpg')))
style_image = scale_image(np.asarray(Image.open('starry-night.jpg')))

VGG预处理

  Keras 预训练模型期望输入图像的BGR范围为 [0, 255] 。因此,第一步是反转颜色通道,以将 RGB 转换为BGRVGG 对不同的颜色通道使用不同的平均值,可以使用 tf.keras.applications.vgg19.preprocess_input() 进行预处理,在 preprocess_input() 内部,分别为B,G和R通道的像素值减去 103.939116.779123.68
  以下是前向计算代码,在对图像进行前向计算之前先对其进行预处理,然后再将其输入模型以返回内容特征。然后,我们提取内容特征并将其用作我们的目标:

def extract_features(image):
    image = tf.keras.applications.vgg19。preprocess_input(image *255.)
    content_ref = model(image)
    return content_ref
content_image = tf.reverse(content_image, axis=[-1])
content_ref = extract_features(content_image)

  在代码中,由于图像已标准化为 [0., 1.],因此我们需要通过将其乘以255将其恢复为 [0.,255.]。然后创建一个随机初始化的输入,该输入也将成为风格化的图像:

image = tf.Variable(tf.random.normal( shape=content_image.shape))

  接下来,我们将使用反向传播从内容特征中重建图像。

重建内容

  在训练步骤中,我们将图像馈送到冻结的 VGG 中以提取内容特征,然后使用 L 2 L_2 L2损失针对目标内容特征进行度量,用于计算每个特征层的L2损失:

def calc_loss(y_true, y_pred):
    loss = [tf.reduce_sum((x-y)**2) for x, y in zip(y_pred, y_true)]
    return tf.reduce_mean(loss)

  使用 tf.GradientTape() 计算梯度。在正常的神经网络训练中,将梯度更新应用于可训练变量,即神经网络的权重。但是,在神经风格迁移中,将梯度应用于图像。之后,将图像值剪裁在 [0., 1.] 之间,如下所示:

for i in range(1,steps+1):
    with tf.GradientTape() as tape:
        content_features = self.extract_features(image)
        loss = calc_loss(content_features, content_ref)
    grad = tape.gradient(loss, image)
    optimizer.apply_gradients([(grad, image)])
    image.assign(tf.clip_by_value(image, 0., 1.))

  使用block1_1重建图像,训练了2000步后,得到重构后的内容图像:

重构后的内容图像

  使用block4_1重建图像,训练了2000步后,得到重构后的内容图像:

重构后的内容图像
  可以看到使用层block4_1时,开始丢失细节,例如树叶的形状。当我们使用block5_1时,我们看到几乎所有细节都消失了,并充满了一些随机噪声:

重构后的内容图像
  如果我们仔细观察,树叶的结构和边缘仍然得到保留,并在其应有的位置。现在,我们已经提取了内容,提取内容特征后,下一步是提取样式特征。

用Gram矩阵重建风格

  在内容重建中可以看出,特征图(尤其是前几层)既包含风格又包含内容。那么我们如何从图像中提取风格特征呢?方法是使用 Gram 矩阵,该矩阵可计算不同滤波器响应之间的相关性。假设卷积层1的激活形状为 (H, W, C) ,其中 HW 是空间尺寸,C 是通道数,等于滤波器的数量,每个滤波器检测不同的图像特征。
  当具有一些共同的特征(例如颜色和边缘)时,则认为它们具有相同的纹理。例如,如果我们将草地的图像输入到卷积层中,则检测垂直线和绿色的滤波器将在其特征图中产生更大的响应。因此,我们可以使用特征图之间的相关性来表示图像中的纹理。
  要通过形状为 (H, W, C) 的激活来创建Gram矩阵,我们首先将其重塑为 C 个向量。每个向量都是大小为 H×W 的一维特征图。对 C 个向量执行点积运算,以获得对称的C×C Gram 矩阵。在 TensorFlow 中计算 Gram 矩阵的详细步骤如下:

  1. 使用 tf.squeeze() 将批尺寸 (1, H, W, C) 修改为 (H, W, C)
  2. 转置张量以将形状从 (H, W, C) 转换为 (C, H, W)
  3. 将最后两个维度展平为 (C, H×W)
  4. 执行特征的点积以创建形状为 (C, C)Gram 矩阵;
  5. 通过将矩阵除以每个展平的特征图中的元素数 (H×W) 进行归一化。

计算 Gram 矩阵的代码如下:

def gram_matrix(x):
    x = tf.transpose(tf.squeeze(x), (2,0,1));
    x = tf.keras.backend.batch_flatten(x)
    num_points = x.shape[-1]
    gram = tf.linalg.matmul(x, tf.transpose(x))/num_points
    return gram

  可以使用此函数为指定的样式层的每个 VGG 层获取 Gram 矩阵。然后,我们对来自目标图像和参考图像的 Gram 矩阵使用 L 2 L_2 L2损失。损失函数与内容重建相同。创建 Gram 矩阵列表的代码如下:

def extract_features(image):
    image = tf.keras.applications.vgg19.preprocess_input(image *255.)
    styles = self.model(image)
    styles = [self.gram_matrix(s) for s in styles]
    return styles

  以下图像是从不同VGG图层的风格特征中重构得到的:

风格特征重构
  在从block1_1重建的风格图像中,内容信息完全消失,仅显示高频纹理细节。较高的层block3_1,显示了一些卷曲的形状:

风格特征重构
  这些形状捕获了输入图像中风格的较高层次。 Gram矩阵的损失函数是平方误差之和而不是均方误差。因此,层次风格较高的层具有较高的固有权重。这允许传输更高级的风格表示形式,例如笔触。如果使用均方误差,则低层次的风格特征(例如纹理)将在视觉上更加突出,并且可能看起来像高频噪声。

实现神经风格转换

  现在,我们可以合并内容和风格重构中的代码,以执行神经样式转移。
  我们首先创建一个模型,该模型提取两个特征块,一个用于内容,另一个用于样式。内容重建使用block5_conv1层,从block1_conv1到block5_conv1的五层用于捕获来自不同层次结构的风格,如下所示:

vgg = tf.keras.applications.VGG19(include_top=False,   weights='imagenet')
default_content_layers = ['block5_conv1']
default_style_layers = ['block1_conv1',
                        'block2_conv1',
                        'block3_conv1',
                        'block4_conv1',
                        'block5_conv1']
content_layers = content_layers if content_layers else default_content_layers
style_layers = style_layers if style_layers else default_style_layers
self.content_outputs = [vgg.get_layer(x).output for x in content_layers]
self.style_outputs = [vgg.get_layer(x).output for x in style_layers]
self.model = Model(vgg.input, [self.content_outputs, self.style_outputs])

  在训练循环开始之前,我们从各自的图像中提取内容和风格特征以用作目标。虽然我们可以使用随机初始化的输入来进行内容和风格重建,但从内容图像开始进行训练会更快:

content_ref, _ = self.extract_features(content_image)
_, style_ref = self.extract_features(style_image)

  然后,我们计算并添加内容和风格损失:

def train_step(self, image, content_ref, style_ref):
    with tf.GradientTape() as tape:
        content_features, style_features = self.extract_features(image)
        content_loss = self.content_weight * self.calc_loss(content_ref, content_features)
        style_loss = self.style_weight*self.calc_loss( style_ref, style_features)
        loss = content_loss + style_loss
    grad = tape.gradient(loss, image)
    self.optimizer.apply_gradients([(grad, image)])
    image.assign(tf.clip_by_value(image, 0., 1.))
    return content_loss, style_loss  

效果展示

  以下是使用不同权重和内容层生成的4个风格化图像:

风格化图像
  可以通过更改权重和层以创建所需的样式。
当然此模型也存在产生一张图片需要几分钟的时间的缺点,不能做到实时迁移,对于相关改进模型将在之后进行探讨。

系列链接

改进神经风格迁移
学会CycleGAN进行风格迁移,实现自定义滤镜

GitHub 加速计划 / te / tensorflow
184.56 K
74.12 K
下载
一个面向所有人的开源机器学习框架
最近提交(Master分支:3 个月前 )
a49e66f2 PiperOrigin-RevId: 663726708 3 个月前
91dac11a This test overrides disabled_backends, dropping the default value in the process. PiperOrigin-RevId: 663711155 3 个月前
Logo

旨在为数千万中国开发者提供一个无缝且高效的云端环境,以支持学习、使用和贡献开源项目。

更多推荐