从零开始实现一个简单的CycleGAN项目

项目地址：https://github.com/jzsherlock4869/cyclegan-pytorch

pytorch 中CycleGAN（循环一致生成对抗网络）的简单且易于修改的实现

CycleGAN 的基本说明（来自原始论文）：

使用“horse2zebra”数据集重新实现此 repo 的结果（没有参数调整，仍然有一些明显的伪影，您可以调整超参数以使其更好~）

安装和准备
下载 CycleGAN 的常用数据集并使用它们来训练和验证代码管道

Monet-Photo 传输：Kaggle Monet-Photo 传输
Horse-Zebra 转移：Kaggle Horse-Zebra 转移
然后按以下结构准备数据集文件夹：

├── monet_dataset
│ ├── monet_jpg
│ └── photo_jpg
└── zebra_dataset
├── testA
├── testB
├── trainA
└── trainB
Git 克隆这个 repo 并 cd 到根文件夹

git clone https://github.com/jzsherlock4869/cyclegan-pytorch
cd cyclegan-python

根据requirements.txt文件夹中的安装必要的python包

开始训练
将 dataroot 修改config/000_base_cyclegan_horse2zebra.yml为您自己的数据集路径，然后运行训练过程：

python train_cyclegan.py --opt configs/000_base_cyclegan_horse2zebra.yml

“ horse2zebra ”和“ photo2monet ”的数据集类已经在这个 repo 中实现。

get_photo2monet_train_dataloader要在您自己的数据集（域 A 和域 B）上进行训练，请将您自己的数据加载器编写 get_horse2zebra_train_dataloader为 data/sample_dataloader.py

def get_your_custom_train_dataloader(root_dir="your_path", 
                                    batch_size=8, 
                                    img_size=(256, 256)):
    imgA_sub, imgB_sub = "subdirnameA", "subdirnameB" # sub directory name to your root_dir
    postfix_set=["jpg"]  # which postfix is your images
    train_dataset = CycleGANDataset(root_dir, imgA_sub, imgB_sub, postfix_set, img_size)
    train_dataloader = DataLoader(train_dataset, batch_size=batch_size, shuffle=False)
    return train_dataloader

然后修改第train_cyclegan.py54-60 行以添加您的数据集（记得先导入它们！）

if which_dataset == 'horse2zebra':
    train_dataloader = get_horse2zebra_train_dataloader(dataroot, 
                                                        batch_size=batch_size, 
                                                        img_size=img_size)
elif which_dataset == 'photo2monet':
    train_dataloader = get_photo2monet_train_dataloader(dataroot, 
                                                        batch_size=batch_size, 
                                                        img_size=img_size)
   #  add lines here
 elif which_dataset == 'your_custom_dataset':
    train_dataloader = get_your_custom_train_dataloader(dataroot, 
                                                        batch_size=batch_size, 
                                                        img_size=img_size)
#add lines here
else:
    raise NotImplementedError(f"Unrecognized dataset type : {which_dataset}")

参考
这段代码是对 CycleGAN 的重新实现，更易于理解和修改，尤其适合初学者。原论文是：

@inproceedings{CycleGAN2017, title={Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networkss}, author={Zhu, Jun-Yan and Park, Taesung and Isola, Phillip and Efros, Alexei A}, booktitle={Computer Vision (ICCV), 2017 IEEE International Conference on}, year={2017} }

一个keras版本和教程，详细解释了CycleGAN的理论和过程：

https://machinelearningmastery.com/cyclegan-tutorial-with-keras/

而且，这个代码库的代码架构和风格也参考了BasicSR和UnpairedSR，部分功能直接借鉴。欣赏他们的好作品~

欢迎star⭐如果这个 repo 对你有帮助:)