VGG网络--实现图像的风格转化

VGG网络–实现图像的风格转化

一、网络结构

主要组成：
风格网络训练部分
图片风格转化部分

（1）图像转换网络fw：由权重w参数化的深度残差卷积神经网络。将输入图像x转化为对应输出的y^, 通过计算y^和目标图像yi的差异，利用随机训练梯度下降的方法来最小化加权组合的损失函数：

图像风格转换网络，由3个卷积和ReLU非线性层，5个残差块，3个转置卷积层以及最后一个产生输出图像的非线性tanh层组成。使用跨步和分段跨度卷积进行网内下采样和上采样。

（2）损失网络φ：衡量内容图片和风格图片利用特征重建和风格重建。为每个风格训练一个网络，输出图像是内容图像和风格样式的结合，而输入图像x是一个低分辨率的图像，输出图像是一个高分辨率图像，其中，需要根据超分辨率因子来训练网络。

二、代码文件介绍：

train_network.py :
主要功能是获取参数，并将参数赋给fast style transfer网络，也就是风格转化网络，训练出我们想要的风格。
fast_style_transfer.py :
构建风格转化网络，计算loss和生成风格转换后的一些图像。
vgg_network.py :
构建的一个vgg网络，在损失网络里面处理使用的。
stylize_image.py：
风格转换的一个网络，利用我们已经训练好的风格网络，只需要输入想转换风格的一个内容图片，就可以获得风格转化后的图片。
transform.py：
进行内容图片的风格转换。
utils.py：
加载和保存图片等操作。

三、程序运行

（1）训练新的图片风格：
python train_network.py --style <风格图片所在目录> --train-path <训练网络的目录> --save-path <保存网络的目录>
下面的结果部分所示的3种样式的图像转换网络已经训练好包含在预训练风格网络目录中
另外如果想训练其他样式的图像风格转换网络可以在Microsoft COCO数据集中获取的80,000张训练图像上进行训练。
Microsoft COCO数据集下载： http://mscoco.org/
VGG19模型下载 http://www.vlfeat.org/matconvnet/models/beta16/imagene-vgg-verydeep -19.mat

（2）用已有的风格特征网络对新的内容图片进行风格转换：
python stylize_image.py --content <内容文件所在目录> --network-path <预训练风格网络的目录> --output-path <输出图片的目录>

四、结果

第一张是原图，其他几张是不同风格转化后的图片。

完整代码：
https://github.com/SinsoledadFairy/picture_style_transform