PyTorch 进行 Neural-Transfer

PyTorch 进行 Neural-Transfer

1.简介

本文讲解如何实现由 Leon A. Gatys,Alexander S. Ecker和Matthias Bethge提出的Neural-Style 算法。Neural-Style 或者叫 Neural-Transfer,使用一种新的风格将指定的图片进行重构。这个算法使用三张图片,一张输入图片,一张内容图片和一张风格图片,并将输入的图片变得与内容图片相似,且拥有风格图片的优美风格。

2.基本原理

定义两个间距,一个用于内容D_C,另一个用于风格D_S。D_C测量两张图片内容的不同,而D_S用来测量两张图片风格的不同。然后,输入第三张图片,并改变这张图片,使其与内容图片的内容间距和风格图片的风格间距最小化。导入必要的包,开始图像风格转换。

3.导包并选择设备

下面是一张实现图像风格转换所需包的汇总。 * torch, torch.nn, numpy:使用PyTorch进行风格转换必不可少的包 * torch.optim:高效的梯度下降 * PIL, PIL.Image, matplotlib.pyplot:加载和展示图片 * torchvision.transforms:将PIL图片转换成张量 * torchvision.models:训练或加载预训练模型 * copy:对模型进行深度拷贝;系统包

from __future__ import print_function

 

import torch

import torch.nn as nn

import torch.nn.functional as F

import torch.optim as optim

 

from PIL import Image

import matplotlib.pyplot as plt

 

import torchvision.transforms as transforms

import torchvision.models as models

 

import copy

下一步,选择用哪一个设备来运行神经网络,导入内容和风格图片。在大量图片上运行图像风格算法需要很长时间,在GPU上运行,可以加速。可以使用torch.cuda.is_available()来判断是否有可用的GPU。下一步,使用torch.device,同时 torch.device .to(device)方法也被用来将张量或者模型移动到指定设备。

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

4.加载图片

将导入风格和内容图片。原始的PIL图片的值介于0到255之间,当转换成torch张量时,值被转换成0到1之间。图片也需要被重设成相同的维度。一个重要的细节是,torch库中的神经网络,用来训练的张量的值为0到1之间。尝试将0到255的张量图片加载到神经网络,激活的特征映射,将不能侦测到目标内容和风格。Caffe库中的预训练网络用来训练的张量值为0到255之间的图片。

注意:下载需要用到的图片的链接:picasso.jpg 和 dancing.jpg。下载这两张图片并且添加到当前工作目录中的 images文件夹。

# 所需的输出图像大小

imsize = 512 if torch.cuda.is_available() else 128  # use small size if no gpu

 

loader = transforms.Compose([

    transforms.Resize(imsize),  # scale imported image

    transforms.ToTensor()])  # transform it into a torch tensor

 

def image_loader(image_name):

    image = Image.open(image_name)

    # fake batch dimension required to fit network's input dimensions

    image = loader(image).unsqueeze(0)

    return image.to(device, torch.float)

 

style_img = image_loader("./data/images/neural-style/picasso.jpg")

content_img = image_loader("./data/images/neural-style/dancing.jpg")

 

assert style_img.size() == content_img.size(), \

    "we need to import style and content images of the same size"

,让创建一个方法,通过重新将图片转换成PIL格式来展示,并使用plt.imshow展示它的拷贝。将尝试展示内容和风格图片来确保它们被正确的导入。

 

unloader = transforms.ToPILImage()  # reconvert into PIL image

 

plt.ion()

 

def imshow(tensor, title=None):

    image = tensor.cpu().clone()  # we clone the tensor to not do changes on it

    image = image.squeeze(0)      # remove the fake batch dimension

    image = unloader(image)

    plt.imshow(image)

    if title is not None:

        plt.title(title)

    plt.pause(0.001) # pause a bit so that plots are updated

 

plt.figure()

imshow(style_img, title='Style Image')

 

plt.figure()

imshow(content_img, title='Content Image')

 

 

 

 

 5.损失函数

5.1 内容损失

内容损失表示一层内容间距的加权版本。使用网络中的L层的特征映射F_XL,网络处理输入X并返回在图片X和内容图片 C之间的加权内容间距W_CL*D_C^L(X,C)。必须知道内容图片(F_CL)的特征映射来计算内容间距。以F_CL作为 构造参数输入的 torch 模型来实现。间距||F_XL-F_CL||^2是两个特征映射集合之间的平均方差,可以使用nn.MSELoss来计算。

直接添加这个内容损失模型到被用来计算内容间距的卷积层之后。每一次输入图片到网络中时,内容损失都会在目标层被计算。而且因为自动求导,所有的梯度都会被计算。为了使内容损失层透明化,必须定义一个forward方法来计算内容损失,返回该层的输入。计算的损失作为模型的参数被保存。

class ContentLoss(nn.Module):

 

    def __init__(self, target,):

        super(ContentLoss, self).__init__()

        # 从用于动态计算梯度的树中分离目标内容:

        # 这是一个声明的值,而不是变量。

        # 否则标准的正向方法将引发错误。

        self.target = target.detach()

 

    def forward(self, input):

        self.loss = F.mse_loss(input, self.target)

        return input

注意:
重要细节:尽管这个模型的名称被命名为 ContentLoss, 不是一个真实的PyTorch损失方法。如果想要定义内容损失为PyTorch Loss方法,必须创建一个PyTorch自动求导方法,在backward方法中手动重计算/实现梯度.

5.2 风格损失

风格损失模型与内容损失模型的实现方法类似。作为一个网络中的透明层,计算相应层的风格损失。为了计算风格损失,需要 计算 Gram 矩阵G_XL。Gram 矩阵,将给定矩阵和它的转置矩阵的乘积。给定的矩阵是L层特征映射F_XL的重塑版本。 F_XL被重塑成F̂_XL,一个 KxN的矩阵,其中K是L层特征映射的数量,N是任何向量化特征映射F_XL^K的长度。例如,第一行的F̂_XL 与第一个向量化的F_XL^1。

最后,Gram 矩阵,通过将每一个元素除以矩阵中所有元素的数量进行标准化。标准化是为了消除拥有很大的N维度F̂_XL在Gram矩阵中,产生的很大的值。这些很大的值将在梯度下降的时候,对第一层(在池化层之前)产生很大的影响。风格特征往往在网络中更深的层,标准化步骤是很重要的。

def gram_matrix(input):

    a, b, c, d = input.size()  # a=batch size(=1)

    # 特征映射 b=number

    # (c,d)=dimensions of a f. map (N=c*d)

 

    features = input.view(a * b, c * d)  # resise F_XL into \hat F_XL

 

    G = torch.mm(features, features.t())  # compute the gram product

 

    # 通过除以每个特征映射中的元素数来标准化”gram矩阵的值.

    return G.div(a * b * c * d)

风格损失模型看起来和内容损失模型很像。风格间距也用G_XL和G_SL之间的均方差来计算。

class StyleLoss(nn.Module):

 

    def __init__(self, target_feature):

        super(StyleLoss, self).__init__()

        self.target = gram_matrix(target_feature).detach()

 

    def forward(self, input):

        G = gram_matrix(input)

        self.loss = F.mse_loss(G, self.target)

        return input

6.导入模型

需要导入预训练的神经网络。将使用19层的 VGG 网络,就像论文中使用的一样。

PyTorch 的 VGG 模型实现被分为了两个字 Sequential 模型:features(包含卷积层和池化层)和classifier(包含全连接层)。 将使用features模型,因为需要每一层卷积层的输出来计算内容和风格损失。在训练的时候有些层会有和评估不一样的行为, 所以必须用.eval()将网络设置成评估模式。

cnn = models.vgg19(pretrained=True).features.to(device).eval()

此外,VGG网络通过使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]参数来标准化图片的每一个通道,并在图片上进行训练。在把图片输入神经网络之前,先使用这些参数对图片进行标准化。

cnn_normalization_mean = torch.tensor([0.485, 0.456, 0.406]).to(device)

cnn_normalization_std = torch.tensor([0.229, 0.224, 0.225]).to(device)

 

# 创建一个模块来规范化输入图像

# 这样就可以轻松地将它放入nn.Sequential

class Normalization(nn.Module):

    def __init__(self, mean, std):

        super(Normalization, self).__init__()

        # .view the mean and std to make them [C x 1 x 1] so that they can

        # directly work with image Tensor of shape [B x C x H x W].

        # B is batch size. C is number of channels. H is height and W is width.

        self.mean = torch.tensor(mean).view(-1, 1, 1)

        self.std = torch.tensor(std).view(-1, 1, 1)

 

    def forward(self, img):

        # normalize img

        return (img - self.mean) / self.std

一个 Sequential 模型,包含一个顺序排列的子模型序列。例如,vff19.features包含一个以正确的深度顺序排列的序列(Conv2d, ReLU, MaxPool2d, Conv2d, ReLU…)。需要将自己的内容损失和风格损失层,在感知到卷积层之后立即添加进去。因此,必须创建 一个新的Sequential模型,并正确的插入内容损失和风格损失模型。

# 期望的深度层来计算样式/内容损失:

content_layers_default = ['conv_4']

style_layers_default = ['conv_1', 'conv_2', 'conv_3', 'conv_4', 'conv_5']

 

def get_style_model_and_losses(cnn, normalization_mean, normalization_std,

                               style_img, content_img,

                               content_layers=content_layers_default,

                               style_layers=style_layers_default):

    cnn = copy.deepcopy(cnn)

 

    # 规范化模块

    normalization = Normalization(normalization_mean, normalization_std).to(device)

 

    # 只是为了拥有可迭代的访问权限或列出内容/系统损失

    content_losses = []

    style_losses = []

 

    # 假设cnn是一个`nn.Sequential`

    # 所以创建一个新的`nn.Sequential`来放入应该按顺序激活的模块

    model = nn.Sequential(normalization)

 

    i = 0  # increment every time we see a conv

    for layer in cnn.children():

        if isinstance(layer, nn.Conv2d):

            i += 1

            name = 'conv_{}'.format(i)

        elif isinstance(layer, nn.ReLU):

            name = 'relu_{}'.format(i)

            # 对于在下面插入的`ContentLoss``StyleLoss`

            # 本地版本不能很好地发挥作用。所以在这里替换不合适的

            layer = nn.ReLU(inplace=False)

        elif isinstance(layer, nn.MaxPool2d):

            name = 'pool_{}'.format(i)

        elif isinstance(layer, nn.BatchNorm2d):

            name = 'bn_{}'.format(i)

        else:

            raise RuntimeError('Unrecognized layer: {}'.format(layer.__class__.__name__))

 

        model.add_module(name, layer)

 

        if name in content_layers:

            # 加入内容损失:

            target = model(content_img).detach()

            content_loss = ContentLoss(target)

            model.add_module("content_loss_{}".format(i), content_loss)

            content_losses.append(content_loss)

 

        if name in style_layers:

            # 加入风格损失:

            target_feature = model(style_img).detach()

            style_loss = StyleLoss(target_feature)

            model.add_module("style_loss_{}".format(i), style_loss)

            style_losses.append(style_loss)

 

    # 在最后的内容和风格损失之后剪掉了图层

    for i in range(len(model) - 1, -1, -1):

        if isinstance(model[i], ContentLoss) or isinstance(model[i], StyleLoss):

            break

 

    model = model[:(i + 1)]

 

    return model, style_losses, content_losses

下一步,选择输入图片。你可以使用内容图片的副本或者白噪声。

input_img = content_img.clone()

# 如果您想使用白噪声而取消注释以下行:

# input_img = torch.randn(content_img.data.size(), device=device)

 

# 将原始输入图像添加到图中:

plt.figure()

imshow(input_img, title='Input Image')

 

 

 7.梯度下降

使用 L-BFGS 算法来进行的梯度下降。与训练一般网络不同,训练输入图片是为了最小化内容/风格损失。 要创建一个 PyTorch 的 L-BFGS 优化器optim.LBFGS,并传入的图片到其中,作为张量去优化。

def get_input_optimizer(input_img):

    # 此行显示输入是需要渐变的参数

    optimizer = optim.LBFGS([input_img.requires_grad_()])

    return optimizer

最后,必须定义一个方法来展示图像风格转换。对于每一次的网络迭代,都将更新过的输入传入其中并计算损失。要运行每一个 损失模型的backward方法,计算它们的梯度。优化器需要一个“关闭”方法,它重新估计模型并且返回损失。

还有最后一个问题要解决。神经网络可能会尝试使张量图片的值超过0到1之间来优化输入。可以通过在每次网络运行的时候将输入的值矫正到0到1之间来解决这个问题。

def run_style_transfer(cnn, normalization_mean, normalization_std,

                       content_img, style_img, input_img, num_steps=300,

                       style_weight=1000000, content_weight=1):

    """Run the style transfer."""

    print('Building the style transfer model..')

    model, style_losses, content_losses = get_style_model_and_losses(cnn,

        normalization_mean, normalization_std, style_img, content_img)

    optimizer = get_input_optimizer(input_img)

 

    print('Optimizing..')

    run = [0]

    while run[0] <= num_steps:

 

        def closure():

            # 更正更新的输入图像的值

            input_img.data.clamp_(0, 1)

 

            optimizer.zero_grad()

            model(input_img)

            style_score = 0

            content_score = 0

 

            for sl in style_losses:

                style_score += sl.loss

            for cl in content_losses:

                content_score += cl.loss

 

            style_score *= style_weight

            content_score *= content_weight

 

            loss = style_score + content_score

            loss.backward()

 

            run[0] += 1

            if run[0] % 50 == 0:

                print("run {}:".format(run))

                print('Style Loss : {:4f} Content Loss: {:4f}'.format(

                    style_score.item(), content_score.item()))

                print()

 

            return style_score + content_score

 

        optimizer.step(closure)

 

    # 最后的修正......

    input_img.data.clamp_(0, 1)

 

    return input_img

最后,可以运行这个算法。

output = run_style_transfer(cnn, cnn_normalization_mean, cnn_normalization_std,

                            content_img, style_img, input_img)

 

plt.figure()

imshow(output, title='Output Image')

 

# sphinx_gallery_thumbnail_number = 4

plt.ioff()

plt.show()

 

  • 输出结果

Building the style transfer model..

Optimizing..

run [50]:

Style Loss : 4.169304 Content Loss: 4.235329

 

run [100]:

Style Loss : 1.145476 Content Loss: 3.039176

 

run [150]:

Style Loss : 0.716769 Content Loss: 2.663749

 

run [200]:

Style Loss : 0.476047 Content Loss: 2.500893

 

run [250]:

Style Loss : 0.347092 Content Loss: 2.410895

 

run [300]:

Style Loss : 0.263698 Content Loss: 2.358449

 

posted @ 2021-02-09 21:59  吴建明wujianming  阅读(105)  评论(0编辑  收藏  举报