TensorFlow2 实现神经风格迁移,DIY数字油画定制照片
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。
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:
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:
- 通过CNN向前计算图像以提取特征。
- 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 VGG19
, Keras
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BGR
。 VGG
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 103.939
、116.779
和 123.68
。
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:
使用block4_1重建图像,训练了2000步后,得到重构后的内容图像:
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:
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 H
和 W
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:
- 使用
tf.squeeze()
将批尺寸(1, H, W, C)
修改为(H, W, C)
; - 转置张量以将形状从
(H, W, C)
转换为(C, H, W)
; - 将最后两个维度展平为
(C, H×W)
; - 执行特征的点积以创建形状为
(C, C)
的Gram
矩阵; - 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:
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:
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:
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
更多推荐
所有评论(0)