[Из песочницы] Перенос стиля
Перенос стиля это процесс преобразования стиля исходного к стилю выбранного изображения и опирается на Сверточный тип сети (CNN), при этом заранее обученной, поэтому многое будет зависеть от выбора данной обученной сети. Благо такие сети есть и выбирать есть из чего, но здесь будет применяться VGG-16.
Для начала необходимо подключить необходимые библиотеки
import time
import torch
from torch.autograd import Variable
import torch.nn as nn
import torch.nn.functional as F
from torch import optim
import torchvision
from torchvision import transforms
from io import BytesIO
from PIL import Image
from collections import OrderedDict
from google.colab import files
Затем необходимо объявить класс предварительно обученной сети VGG-16
class VGG16(nn.Module):
def __init__(self, pool='max'):
super(VGG, self).__init__()
self.conv1_1 = nn.Conv2d(3, 64, kernel_size=3, padding=1)
self.conv1_2 = nn.Conv2d(64, 64, kernel_size=3, padding=1)
self.conv2_1 = nn.Conv2d(64, 128, kernel_size=3, padding=1)
self.conv2_2 = nn.Conv2d(128, 128, kernel_size=3, padding=1)
self.conv3_1 = nn.Conv2d(128, 256, kernel_size=3, padding=1)
self.conv3_2 = nn.Conv2d(256, 256, kernel_size=3, padding=1)
self.conv3_3 = nn.Conv2d(256, 256, kernel_size=3, padding=1)
self.conv3_4 = nn.Conv2d(256, 256, kernel_size=3, padding=1)
self.conv4_1 = nn.Conv2d(256, 512, kernel_size=3, padding=1)
self.conv4_2 = nn.Conv2d(512, 512, kernel_size=3, padding=1)
self.conv4_3 = nn.Conv2d(512, 512, kernel_size=3, padding=1)
self.conv4_4 = nn.Conv2d(512, 512, kernel_size=3, padding=1)
self.conv5_1 = nn.Conv2d(512, 512, kernel_size=3, padding=1)
self.conv5_2 = nn.Conv2d(512, 512, kernel_size=3, padding=1)
self.conv5_3 = nn.Conv2d(512, 512, kernel_size=3, padding=1)
self.conv5_4 = nn.Conv2d(512, 512, kernel_size=3, padding=1)
if pool == 'max':
self.pool1 = nn.MaxPool2d(kernel_size=2, stride=2)
self.pool2 = nn.MaxPool2d(kernel_size=2, stride=2)
self.pool3 = nn.MaxPool2d(kernel_size=2, stride=2)
self.pool4 = nn.MaxPool2d(kernel_size=2, stride=2)
self.pool5 = nn.MaxPool2d(kernel_size=2, stride=2)
elif pool == 'avg':
self.pool1 = nn.AvgPool2d(kernel_size=2, stride=2)
self.pool2 = nn.AvgPool2d(kernel_size=2, stride=2)
self.pool3 = nn.AvgPool2d(kernel_size=2, stride=2)
self.pool4 = nn.AvgPool2d(kernel_size=2, stride=2)
self.pool5 = nn.AvgPool2d(kernel_size=2, stride=2)
def forward(self, x, layers):
out = {}
out['relu1_1'] = F.relu(self.conv1_1(x))
out['relu1_2'] = F.relu(self.conv1_2(out['relu1_1']))
out['pool1'] = self.pool1(out['relu1_2'])
out['relu2_1'] = F.relu(self.conv2_1(out['pool1']))
out['relu2_2'] = F.relu(self.conv2_2(out['relu2_1']))
out['pool2'] = self.pool2(out['relu2_2'])
out['relu3_1'] = F.relu(self.conv3_1(out['pool2']))
out['relu3_2'] = F.relu(self.conv3_2(out['relu3_1']))
out['relu3_3'] = F.relu(self.conv3_3(out['relu3_2']))
out['relu3_4'] = F.relu(self.conv3_4(out['relu3_3']))
out['pool3'] = self.pool3(out['relu3_4'])
out['relu4_1'] = F.relu(self.conv4_1(out['pool3']))
out['relu4_2'] = F.relu(self.conv4_2(out['relu4_1']))
out['relu4_3'] = F.relu(self.conv4_3(out['relu4_2']))
out['relu4_4'] = F.relu(self.conv4_4(out['relu4_3']))
out['pool4'] = self.pool4(out['relu4_4'])
out['relu5_1'] = F.relu(self.conv5_1(out['pool4']))
out['relu5_2'] = F.relu(self.conv5_2(out['relu5_1']))
out['relu5_3'] = F.relu(self.conv5_3(out['relu5_2']))
out['relu5_4'] = F.relu(self.conv5_4(out['relu5_3']))
out['pool5'] = self.pool5(out['relu5_4'])
return [out[key] for key in layers]
Далее необходимо скачать и загрузить веса VGG-16, предварительно перенеся ее на видеокарту, если есть такая возможность
vgg = VGG16()
vgg.load_state_dict(torch.load('vgg_conv.pth'))
for param in vgg.parameters():
param.requires_grad = False
if torch.cuda.is_available():
vgg.cuda()
Где vgg_conv.pth это название файла с весами сети.
При этом необходимо отключить обучение параметров у сети иначе можно испортить загруженные веса, которые не один день обучались.
После объявляются функции преобразования входных изображений, чтобы привести их к виду изображений, на которых обучалась сети VGG-16
SIZE_IMAGE = 512
to_mean_tensor = transforms.Compose([transforms.Resize(SIZE_IMAGE),
transforms.ToTensor(),
transforms.Lambda(lambda x: x[torch.LongTensor([2,1,0])]),
transforms.Normalize(mean=[0.40760392, 0.45795686, 0.48501961],
std=[1,1,1]),
transforms.Lambda(lambda x: x.mul_(255)),
])
to_unmean_tensor = transforms.Compose([transforms.Lambda(lambda x: x.div_(255)),
transforms.Normalize(mean=[-0.40760392, -0.45795686, -0.48501961],
std=[1,1,1]),
transforms.Lambda(lambda x: x[torch.LongTensor([2,1,0])]),
])
to_image = transforms.Compose([transforms.ToPILImage()])
normalize_image = lambda t: to_image(torch.clamp(to_unmean_tensor(t), min=0, max=1))
to_mean_tensor — прямое преобразование
normalize_image — обратное преобразование
Далее объявляются классы матрицы Грама и функции потерь для матрицы Грама
class GramMatrix(nn.Module):
def forward(self, input):
b,c,h,w = input.size()
F = input.view(b, c, h*w)
G = torch.bmm(F, F.transpose(1,2))
G.div_(h*w)
return G
class GramMSELoss(nn.Module):
def forward(self, input, target):
out = nn.MSELoss()(GramMatrix()(input), target)
return out
Матрица Грама служит для устранения пространственной привязки деталей стиля.
Затем идет процесс загрузки и преобразования исходного и стилевого изображений
imgs = [style_img, content_img]
imgs_torch = [to_mean_tensor(img) for img in imgs]
if torch.cuda.is_available():
imgs_torch = [Variable(img.unsqueeze(0).cuda()) for img in imgs_torch]
else:
imgs_torch = [Variable(img.unsqueeze(0)) for img in imgs_torch]
style_image, content_image = imgs_torch
opt_img = Variable(content_image.data.clone(), requires_grad=True)
Где style_img и content_img это входные изображения, которые преобразуются в тензоры и переносятся по возможности на видеокарту, а в opt_img будет содержаться результат переноса стиля, при этом в качестве начального берется исходное изображение.
Далее идет процесс выбора слоев, задания весов и инициализаций функций потерь
style_layers = ['relu1_1','relu2_1','relu3_1','relu4_1', 'relu5_1']
content_layers = ['relu4_2']
loss_layers = style_layers + content_layers
losses = [GramMSELoss()] * len(style_layers) + [nn.MSELoss()] * len(content_layers)
if torch.cuda.is_available():
losses = [loss.cuda() for loss in losses]
style_weights = [1e3/n**2 for n in [64,128,256,512,512]]
content_weights = [1e0]
weights = style_weights + content_weights
style_targets = [GramMatrix()(A).detach() for A in vgg(style_image, style_layers)]
content_targets = [A.detach() for A in vgg(content_image, content_layers)]
targets = style_targets + content_targets
И последний этап это сам процесс переноса стиля
epochs = 300
opt = optim.LBFGS([opt_img])
def step_opt():
opt.zero_grad()
out_layers = vgg(opt_img, loss_layers)
layer_losses = []
for j, out in enumerate(out_layers):
layer_losses.append(weights[j] * losses[j](out, targets[j]))
loss = sum(layer_losses)
loss.backward()
return loss
for i in range(0, epochs+1):
loss = opt.step(step_opt)
В заключении можно добавить несколько примеров:
