基于神经网络的图像风格迁移解析与实现
概述
最近对图像风格迁移这种技术突然非常感兴趣，大概是之前读到了一篇关于对抗生成网络生成逼真人脸的论文文献，于是对这种技术很是好奇，大致了解了一下这个领域。我大致将其分为三个研究领域：
- 基于传统的机器学习的图像风格迁移。这个时代的图像风格迁移基于一个共同的思路：分析某一种风格的图像建立属于它的数学模型或者统计模型，再对待改变的图像改变其统计分布，使其更好的契合建立的模型。(这种听起来就好原始啊，感觉一定很难，暂时没找到基于这种方法进行的图像风格迁移，留待以后进行补充吧。)
- 基于卷积神经网络的图像风格迁移。这一概念最早于2015年提出在
《A neural algorithm of artistic style》这篇文章中。它的具体实现思路是：输入原始内容图像、原始风格图像，利用网络分别学习属于他们的特征，在还原原始内容图像的时候，使用经过卷积层学习到的原始风格图像的特征，这样就可以在还原一张图像的时候使其具有另外一张图像的风格了。(这篇博客里主要记录基于这种方法的原理理解和实现流程。) - 基于对抗生成网络的图像风格迁移。这个应该是时下比较流行的一种方法，这种方法不同于卷积神经网络的图像风格迁移的一点在于：它不在是输入一张图像学习其风格，而是可以输入一整类的图像，从这些图像中学习它们的共同特征，并基于这些特征生成尽可能与这些图像相似的图像。这个应该在下一篇文章里研究吧。
基于神经网络的图像风格迁移
基于这里其实可以将这个过程细化为3个小的步骤;
1. 利用内容损失还原图像内容
2. 利用风格损失还原图像风格
3. 结合内容损失和风格损失，完成图像风格迁移
利用内容损失还原图像内容
基于这篇文章《A neural algorithm of artistic style》中的实现方法可以在《21个项目玩转深度学习》这本书中找到。
这里实现利用的是常用的VGGNet，先选取一幅原始图像，经过VGGNet计算后得到各个卷积层的特征。接下来根据这些卷积层的特征，还原对应的这种特征的图像。
数学符号不会敲啊。。。(我直接记录书上的图片吧)
利用内容损失还原图像内容
上面讲到的是基于图像内容损失来还原原始图像内容的，那么如何表示一张图像的风格呢？这里使用卷积层特征的Gram矩阵。
利用风格损失，就可以还原出图像的风格了。
结合内容损失和风格损失，完成图像风格迁移
书上的图挺模糊的，后面我再贴自己做的图吧。
快速图像风格迁移原理
TensorFliow实现快速图像风格迁移
这部分数据共包括两个文件夹 chapter_7 和 chapter_7_data 两个数据集。
这里我使用的是 python3.6版本和TensorFlow1.13.1版本，并且要提前安装pyyaml库。
pip install pyyaml
使用预训练模型
这部分代码中提供了7个预训练的模型：wave.ckpt-done、cubist.ckpt-done、denoised_starry.skpt-done、mosaic.ckpt-done、scream.ckpt-done、feathers. ckpt-done。回到源码目录chapter_7/，在其中新建一个model文件夹，然后把需要使用的模型文件复制到这个文件夹models/wave.ckpt-done。接下来运行下面的命令可以生成一张风格化图像了：
注：如果是python3.6版本，务必请参考这篇博文 https://blog.csdn.net/qq_43232373/article/details/94393957 model.py 文件进行修改，否则会报错。(如果是python2.7版本请直接忽略)
python eval.py --model_file models/wave.ckpt-done --image_file img/beauty.jpg
–model_file 后面指定了与训练的模型的文件位置。如果没有把预训练模型保存为models/wave.ckpt-done，也可以自行替换为相应的文件位置。–image_file表示需要进行风格化的图像，在这里指定的是img目录下名为
test.jpg 的示例图像），也可以使用自己的图像进行尝试，同样只需要指定合适的文件位置即可。
自己做了两张，贴一下：
| 图像原始风格 | 风格迁移后的图像 |
|---|---|
这就是使用预训练好的模型进行实验，还蛮好看。
训练自己的模型(适合自己想生成任意风格的)
如何训练自己的图像生成模型呢？这里以wave为例，介绍训练模型的全过程。
在训练之前，需要完成两项前期准备工作。首先在chapter_7/中新建一个文件夹pretrained，并将chapter_7_data 文件夹下的vgg16.ckpt复制到pretrained文件夹中。最后文件的路径是pretrained/vgg16.ckpt。另外需要下载COCO数据集(有点大，12个G)。将该数据集解压后会得到一个train2014文件夹，其中应该含有大量jpg格式的图片。Windows用户请将该文件夹移动到chapter_7/中。Linux用户可以不用移动，只要在chapter_7/中使用下面的命令，简历到train2014文件夹的符号连接可以了：
ln -s <到train2014文件夹的路径> train2014
接下来就可以训练模型了。以wave为例，对应命令为：
python train.py -c conf/wave.yml
该命令放入含义是利用已经写好的conf/wave.yml文件来训练模型。wave.yml为配置文件，内容为：
## Basic configuration 基础配置
style_image: img/wave.jpg # targeted style image 指定原始的风格图像
# 这个模型的名字，一般和图像名称保持一致。这个名字决定了checkpoint和events文件的保存文件夹
naming: "wave" # the name of this model. Determine the path
to save checkpoint and events file.
# checkpoint和events文件保存的根目录。最后所有的checkpoint和events文件会被保存在/下
model_path: models # root path to save checkpoint and events file. The final path would be /
## Weight of the loss 各损失权重
content_weight: 1.0 # weight for content features loss内容损失的权重
style_weight: 220.0 # weight for style features loss风格损失权重
# 损失的权重。这是原论文中提到的一个损失。在这个项目中发现设定它的权重为0也不会影响收敛，所以没有提及
tv_weight: 0.0 # weight for total variation loss
## The size, the iter number to run
image_size: 256 #训练原始图像大小
batch_size: 4 #一次batch的样本数
epoch: 2 # 跑的epoch的运行次数
## Loss Network 损失网络
loss_model: "vgg_16" #使用vgg_16模型
content_layers: # use these layers for content loss使用conv3_3定义内容损失
- "vgg_16/conv3/conv3_3"
style_layers: # use these layers for style loss使用这些卷积层定义风格损失
- "vgg_16/conv1/conv1_2"
- "vgg_16/conv2/conv2_2"
- "vgg_16/conv3/conv3_3"
- "vgg_16/conv4/conv4_3"
checkpoint_exclude_scopes: "vgg_16/fc" # we only use the convolution layers, so ignore fc layers.我们只用到卷积层，所以不需要fc层
loss_model_file: "pretrained/vgg_16.ckpt" # the path to the checkpoint # 预训练模型vgg_16.ckpt对应的位置
如果希望训练新的“风格”，可以选取一张风格图片，并编写新的yml配置文件。其中，需要把style_image修改为新图片所在位置，并修改对应的naming。这样就可以进行训练了。最后，可以使用训练完成的checkpoint生成图片。杂训练新的“风格”时，有可能会需要调整个个损失之间的权重。调整的方法在下一节中进行叙述。
在TensorBoard中监控训练情况
在训练过程中，可以打开TensorBoard监控训练情况。仍以wave模型为例：
tensorboard --logdir models/wave/
访问http://localhost:6006即可打开Tensorboard的主页面。训练时最先关心的应该是损失损失下降的情况。损失主要由风格损失、内容损失两项构成。展开loss选项卡可以看到损失的变化情况，如图7-7所示：
center_loss和style_loss分别对应了内容损失和风格损失，中间的regularizer_loss可以暂时不用理会。最理想的情况是content_loss和style_loss随着训练地不断下降。在训练的初期可能会出现只有style_loss下降而content_loss上升的情况，不过这是暂时的，最后两个损失都会出现较为稳定的下降。
当训练新的“风格”时，再时可能还会需要调整配置文件中的content_ weight 和style_ weight 。当content_weight 过大时，观察到的generated图像会非常接近原始的origin图像。而style_ weight 过大时，会导致图像过于接近原始的风格图像，此时的generated 图像如图7-9 所示，几乎看不到origin图像的内容。在训练时，需要合理调整style_weight和content_weight的比重。
项目实现细节
最后讨论项目的细节。该项目使用了两个网络，即损失网络与生成网络。损失网络为VGG16模型，用的是TensorFlow Slim中已经写好的代码，图像生成网络可以自己进行定义。
1. 损失网络、图像生成网络的定义与引用
损失网络使用TenorFlow Slim 的VGG16模型， 它的实际定义位置是在nets/vgg.py文件中，不过没再必要知道它的详细源码，只需要了解是如何在
训练过程中引用它的。而图像生成网络在 models.py 中定义，它的关键代码如下：
# 定义图像生成网络
def net(image, training):
# 一开始在图片的上下左右加上一些额外的“边框”，目的是消除边缘效应
# Less border effects when padding a little before passing through ..
image = tf.pad(image, [[0, 0], [10, 10], [10, 10], [0, 0]], mode='REFLECT')
# 三层卷积层
with tf.variable_scope('conv1'):
conv1 = relu(instance_norm(conv2d(image, 3, 32, 9, 1)))
with tf.variable_scope('conv2'):
conv2 = relu(instance_norm(conv2d(conv1, 32, 64, 3, 2)))
with tf.variable_scope('conv3'):
conv3 = relu(instance_norm(conv2d(conv2, 64, 128, 3, 2)))
# 仿照ResNet定义一些跳过连接
with tf.variable_scope('res1'):
res1 = residual(conv3, 128, 3, 1)
with tf.variable_scope('res2'):
res2 = residual(res1, 128, 3, 1)
with tf.variable_scope('res3'):
res3 = residual(res2, 128, 3, 1)
with tf.variable_scope('res4'):
res4 = residual(res3, 128, 3, 1)
with tf.variable_scope('res5'):
res5 = residual(res4, 128, 3, 1)
# 定义卷积之后定义反卷积
# 反卷积不采用通常的转置卷积的方式，而是采用先放大，在做卷积的方式
# print(res5.get_shape())
with tf.variable_scope('deconv1'):
# deconv1 = relu(instance_norm(conv2d_transpose(res5, 128, 64, 3, 2)))
deconv1 = relu(instance_norm(resize_conv2d(res5, 128, 64, 3, 2, training)))
with tf.variable_scope('deconv2'):
# deconv2 = relu(instance_norm(conv2d_transpose(deconv1, 64, 32, 3, 2)))
deconv2 = relu(instance_norm(resize_conv2d(deconv1, 64, 32, 3, 2, training)))
with tf.variable_scope('deconv3'):
# deconv_test = relu(instance_norm(conv2d(deconv2, 32, 32, 2, 1)))
deconv3 = tf.nn.tanh(instance_norm(conv2d(deconv2, 32, 3, 9, 1)))
# decanv3是经过tanh函数得到的输出值，所以它的值域范围是-1~1
# 知道RGB图像的像素范围是0~255，所以这里对deconv3进行这样的缩放
y = (deconv3 + 1) * 127.5
# Remove border effect reducing padding.
# 最后取出一开始为了防止边缘效应而加入的“边框”
height = tf.shape(y)[1]
width = tf.shape(y)[2]
y = tf.slice(y, [0, 10, 10, 0], tf.stack([-1, height - 20, width - 20, -1]))
return y
图像生成网络的原理主要是先对图像卷积计算，然后再进行“反卷积”计算。相当于对图像进行编码，然后再还原为图像。在“反卷积”的过程中，一般使用转置卷积，但在这里可能会导致一些堆叠噪声。此处，使用resize_conv2d来代替转置卷积，它的原理是先对图片放大，然后再进行卷积计算。此外，还有一些提高图像质量的小技巧。比如使用所谓的instance
normalization 代替常用的batch normalization 。关于instance normalization 、转置卷积的详细原理，可以参阅相关资料进行了解，这里不再详细展
开了。
定义好图像生成网络和损失网络后，可以在训练时引用。相应的代码在 train.py文件中：
# network_fn是损失网络的函数。因为不需要对损失函数训练，所以is_training = False
network_fn = nets_factory.get_network_fn(
FLAGS.loss_model,
num_classes=1,
is_training=False)
# 损失网络中要用的图像的预处理函数
image_preprocessing_fn, image_unprocessing_fn = preprocessing_factory.get_preprocessing(
FLAGS.loss_model,
is_training=False)
# 读入训练图像
processed_images = reader.image(FLAGS.batch_size, FLAGS.image_size, FLAGS.image_size,
'train2014/', image_preprocessing_fn, epochs=FLAGS.epoch)
# 此处引用图像生成网络。model.net是图像生成网络,generated是生成的图像
# 设置training = True，因为要训练该网络
generated = model.net(processed_images, training=True)
# 将生成的图像generated同样使用image_preprocessing_fn进行处理
# 因为generated同样需要送到损失网络中计算loss
processed_generated = [image_preprocessing_fn(image, FLAGS.image_size, FLAGS.image_size)
for image in tf.unstack(generated, axis=0, num=FLAGS.batch_size)
]
processed_generated = tf.stack(processed_generated)
# 将原始图像、生成图像送到损失网络中
# 这里将它们合并后再送到网络中计算，因为同一的计算可以加快速度
# 将原始图像、生成图像送到损失网络并计算后，将使用结果endpoints_dict 计算损失
_, endpoints_dict = network_fn(tf.concat([processed_generated, processed_images], 0), spatial_squeeze=False)
2. 内容损失和风格损失的定义
损失的定义基本由文件loss .py中的函数完成。先来介绍如何定义内容损失：
# endpoints_dict是上一节提到的损失网络各层的计算结果
# content_layers是定义使用哪些层的差距计算损失，默认配置是conv3_3
def content_loss(endpoints_dict, content_layers):
content_loss = 0
for layer in content_layers:
# 上一节中把生成的图像、原始图像同时传入损失网络中计算
# 所以这里先把他们区分开
# 读者可以参照函数tf.concat与tf.split的文档理解此处的内容
generated_images, content_images = tf.split(endpoints_dict[layer], 2, 0)
size = tf.size(generated_images)
# 所谓的内容损失，是生成图片generated_images与原始图片激活content_images的L*L距离
content_loss += tf.nn.l2_loss(generated_images - content_images) * 2 / tf.to_float(size) # remain the same as in the paper
return content_loss
在看如何定义风格损失：
# 定义风格损失
# style_layers为定义使用哪些层计算风格损失。默认为conv1_2、conv2_2、conv3_3、conv4_3
# style_features_t是利用原始的风格图片计算的层的激活
# 如在wave模型中是img/wave.jpg计算的激活
def style_loss(endpoints_dict, style_features_t, style_layers):
style_loss = 0
# summary是为TensorBoard服务的
style_loss_summary = {}
for style_gram, layer in zip(style_features_t, style_layers):
# 计算风格损失，只需要计算生成图片generated_imgs与目标风格
# style_features_t的差距。因此不需要取出content_images
generated_images, _ = tf.split(endpoints_dict[layer], 2, 0)
size = tf.size(generated_images)
# 调用gram函数计算Gram矩阵。风格损失定义为生成图片与目标风格Gram矩阵的L*L的Loss
layer_style_loss = tf.nn.l2_loss(gram(generated_images) - style_gram) * 2 / tf.to_float(size)
style_loss_summary[layer] = layer_style_loss
style_loss += layer_style_loss
return style_loss, style_loss_summary
在train.py中，直接利用上面的函数可以得到总的损失：
"""Build Losses"""
# 定义内容损失
content_loss = losses.content_loss(endpoints_dict, FLAGS.content_layers)
# 定义风格损失
style_loss, style_loss_summary = losses.style_loss(endpoints_dict, style_features_t, FLAGS.style_layers)
# 定义tv损失，该损失在实际训练中并没有被应道，因为在训练时都采用tv_weight=0
tv_loss = losses.total_variation_loss(generated) # use the unprocessed image
# 总损失是这些损失的加权和，最后利用总损失优化图像生成网络即可
loss = FLAGS.style_weight * style_loss + FLAGS.content_weight * content_loss + FLAGS.tv_weight * tv_loss
3. 确定训练、保存的变量
在本项目中，只需要训练图像生成网络中的变量，而不需要训练损失网络中的变量。在把模型保存成checkpoint时，也只需要保存图像生成网络中的变量。TenorFlow会默认训练、保存所有变量，因此必须把需要训练和需要保存的变量找出来，这也是本项目中的一个注意点。对应的代码同样在
train.py中：
# 找出需要训练的变量
variable_to_train = []
# 使用tf.trainable_variables()找出所有可训练的变量
for variable in tf.trainable_variables():
# 如果不在损失网络中，把它们加入列表variable_to_train
if not(variable.name.startswith(FLAGS.loss_model)):
variable_to_train.append(variable)
# 定义训练步骤时指定var_list=variable_to_train。这样不会训练损失网络
train_op = tf.train.AdamOptimizer(1e-3).minimize(loss, global_step=global_step, var_list=variable_to_train)
# 找出所有需要保存的变量
variables_to_restore = []
# 用tf.global_variable()找出所有变量
for v in tf.global_variables():
# 不在损失网络中则加入列表variables_to_restore
if not(v.name.startswith(FLAGS.loss_model)):
variables_to_restore.append(v)
# 定义saver时指定只会保存variables_to_restore
saver = tf.train.Saver(variables_to_restore, write_version=tf.train.SaverDef.V1)
OK，这就是全部的流程了，前面挺简单的，后面如果需要生成自己风格的图像建议认真尝试一下，代码数据有需要的话留言就好。
——————————————————————
附注： 不少同学想参考代码数据，为防止忘记就放在这里了，有需要自取哈。
风格迁移模型及代码数据