GAN生成對抗網絡-PIX2PIXGAN原理與基本實現-圖像09


什么是pix2pix Gan

在這里插入圖片描述
普通的GAN接收的G部分的輸入是隨機向量,輸出是圖像
;D部分接收的輸入是圖像(生成的或是真實的),輸出是對或
者錯。這樣G和D聯手就能輸出真實的圖像。

對於圖像翻譯任務來說,它的G輸入顯然應該是一張圖x,
輸出當然也是一張圖y。
不需要添加隨機輸入。

對於圖像翻譯這些任務來說,輸入和輸出之間會共享很多
的信息。比如輪廓信息是共享的。
在這里插入圖片描述
如果使用普通的卷積神經網絡,那么會導致每一層都承載
保存着所有的信息,這樣神經網絡很容易出錯。
在這里插入圖片描述
U-Net也是Encoder-Decoder模型,是變形的EncoderDecoder模型。
所謂的U-Net是將第i層拼接到第n-i層,這樣做是因為第i層
和第n-i層的圖像大小是一致的,可以認為他們承載着類似
的信息。
在這里插入圖片描述
但是D的輸入卻應該發生一些變化,因為除了要生成真實圖
像之外,還要保證生成的圖像和輸入圖像是匹配的。
於是D的輸入就做了一些變動。
D中要輸入成對的圖像。這類似於conditonal GAN

在這里插入圖片描述
Pix2Pix中的D被論文中被實現為Patch-D,所謂Patch,是
指無論生成的圖像有多大,將其切分為多個固定大小的
Patch輸入進D去判斷。
這樣設計的好處是: D的輸入變小,計算量小,訓練速度快。

D網絡損失函數:
輸入真實的成對圖像希望判定為1.
輸入生成圖像與原圖像希望判定為0 G網絡損失函數:
輸入生成圖像與原圖像希望判定為1

對於圖像翻譯任務而言,G的輸入和輸出之間其實共享了很
多信息,比如圖像上色任務,輸入和輸出之間就共享了邊信
息。因而為了保證輸入圖像和輸出圖像之間的相似度,還加
入了L1 Loss
在這里插入圖片描述
cGAN,輸入為圖像而不是隨機向量
U-Net,使用skip-connection來共享更多的信息
Pair輸入到D來保證映射
Patch-D來降低計算量提升效果
L1損失函數的加入來保證輸入和輸出之間的一致性.
在這里插入圖片描述
在這里插入圖片描述
在這里插入圖片描述
(論文地址: https://phillipi.github.io/pix2pix/)
所使用的版本,是原數據集的一部分。
數據集中 語義分割圖 與 原始圖像 一起顯示在圖片中。這是
用於語義分割任務的最佳數據集之一。

數據集包含 2975 張訓練圖片和 500 張驗證圖片。
每個圖像文件是 256x512 像素,每張圖片都是一個組合,
圖像的左半部分是原始照片,
右半部分是標記圖像(語義分割輸出)

代碼

import tensorflow as tf
import os
import glob
from matplotlib import pyplot as plt
%matplotlib inline
import time
from IPython import display
imgs_path = glob.glob(r'D:\163\gan20\pix2pix\datasets\cityscapes_data\train\*.jpg')

在這里插入圖片描述

def read_jpg(path):
    img = tf.io.read_file(path)
    img = tf.image.decode_jpeg(img, channels=3)
    return img
def normalize(input_image, input_mask):
    input_image = tf.cast(input_image, tf.float32)/127.5 - 1
    input_mask = tf.cast(input_mask, tf.float32)/127.5 - 1
    return input_image, input_mask
def load_image(image_path):
    image = read_jpg(image_path)
    w = tf.shape(image)[1]
    w = w // 2
    input_image = image[:, :w, :]
    input_mask = image[:, w:, :]
    input_image = tf.image.resize(input_image, (64, 64))
    input_mask = tf.image.resize(input_mask, (64, 64))
    
    if tf.random.uniform(()) > 0.5:
        input_image = tf.image.flip_left_right(input_image)
        input_mask = tf.image.flip_left_right(input_mask)

    input_image, input_mask = normalize(input_image, input_mask)

    return input_mask, input_image
dataset = tf.data.Dataset.from_tensor_slices(imgs_path)
train = dataset.map(load_image, num_parallel_calls=tf.data.experimental.AUTOTUNE)

在這里插入圖片描述

BATCH_SIZE = 8
BUFFER_SIZE = 100
train_dataset = train.shuffle(BUFFER_SIZE).batch(BATCH_SIZE)
train_dataset = train_dataset.prefetch(buffer_size=tf.data.experimental.AUTOTUNE)
plt.figure(figsize=(5, 2))
for img, musk in train_dataset.take(1):
    plt.subplot(1,2,1)
    plt.imshow(tf.keras.preprocessing.image.array_to_img(img[0]))
    plt.subplot(1,2,2)
    plt.imshow(tf.keras.preprocessing.image.array_to_img(musk[0]))
imgs_path_test = glob.glob(r'D:\163\gan20\pix2pix\datasets\cityscapes_data\val\*.jpg')

在這里插入圖片描述

dataset_test = tf.data.Dataset.from_tensor_slices(imgs_path_test)
def load_image_test(image_path):
    image = read_jpg(image_path)
    w = tf.shape(image)[1]
    w = w // 2
    input_image = image[:, :w, :]
    input_mask = image[:, w:, :]
    input_image = tf.image.resize(input_image, (64, 64))
    input_mask = tf.image.resize(input_mask, (64, 64))
    
    input_image, input_mask = normalize(input_image, input_mask)

    return input_mask, input_image
dataset_test = dataset_test.map(load_image_test)
dataset_test = dataset_test.batch(BATCH_SIZE)
plt.figure(figsize=(5, 2))
for img, musk in dataset_test.take(1):
    plt.subplot(1,2,1)
    plt.imshow(tf.keras.preprocessing.image.array_to_img(img[0]))
    plt.subplot(1,2,2)
    plt.imshow(tf.keras.preprocessing.image.array_to_img(musk[0]))

在這里插入圖片描述

OUTPUT_CHANNELS = 3
def downsample(filters, size, apply_batchnorm=True):
# initializer = tf.random_normal_initializer(0., 0.02)

    result = tf.keras.Sequential()
    result.add(
        tf.keras.layers.Conv2D(filters, size, strides=2, padding='same',
                               use_bias=False))

    if apply_batchnorm:
        result.add(tf.keras.layers.BatchNormalization())

        result.add(tf.keras.layers.LeakyReLU())

    return result
def upsample(filters, size, apply_dropout=False):
# initializer = tf.random_normal_initializer(0., 0.02)

    result = tf.keras.Sequential()
    result.add(
        tf.keras.layers.Conv2DTranspose(filters, size, strides=2,
                                        padding='same',
                                        use_bias=False))

    result.add(tf.keras.layers.BatchNormalization())

    if apply_dropout:
        result.add(tf.keras.layers.Dropout(0.5))

    result.add(tf.keras.layers.ReLU())

    return result
def Generator():
    inputs = tf.keras.layers.Input(shape=[64,64,3])

    down_stack = [
        downsample(32, 3, apply_batchnorm=False), # (bs, 32, 32, 32)
        downsample(64, 3), # (bs, 16, 16, 64)
        downsample(128, 3), # (bs, 8, 8, 128)
        downsample(256, 3), # (bs, 4, 4, 256)
        downsample(512, 3), # (bs, 2, 2, 512)
        downsample(512, 3), # (bs, 1, 1, 512)
    ]

    up_stack = [
        upsample(512, 3, apply_dropout=True), # (bs, 2, 2, 1024)
        upsample(256, 3, apply_dropout=True), # (bs, 4, 4, 512)
        upsample(128, 3, apply_dropout=True), # (bs, 8, 8, 256)
        upsample(64, 3), # (bs, 16, 16, 128)
        upsample(32, 3), # (bs, 32, 32, 64)
    ]

# initializer = tf.random_normal_initializer(0., 0.02)
    last = tf.keras.layers.Conv2DTranspose(OUTPUT_CHANNELS, 3,
                                         strides=2,
                                         padding='same',
                                         activation='tanh') # (bs, 64, 64, 3)

    x = inputs

    # Downsampling through the model
    skips = []
    for down in down_stack:
        x = down(x)
        skips.append(x)

    skips = reversed(skips[:-1])

    # Upsampling and establishing the skip connections
    for up, skip in zip(up_stack, skips):
        x = up(x)
        x = tf.keras.layers.Concatenate()([x, skip])

    x = last(x)

    return tf.keras.Model(inputs=inputs, outputs=x)
generator = Generator()
#tf.keras.utils.plot_model(generator, show_shapes=True, dpi=64)
LAMBDA = 10
def generator_loss(disc_generated_output, gen_output, target):
    gan_loss = loss_object(tf.ones_like(disc_generated_output), disc_generated_output)

    # mean absolute error
    l1_loss = tf.reduce_mean(tf.abs(target - gen_output))

    total_gen_loss = gan_loss + (LAMBDA * l1_loss)

    return total_gen_loss, gan_loss, l1_loss
def Discriminator():
# initializer = tf.random_normal_initializer(0., 0.02)

    inp = tf.keras.layers.Input(shape=[64, 64, 3], name='input_image')
    tar = tf.keras.layers.Input(shape=[64, 64, 3], name='target_image')

    x = tf.keras.layers.concatenate([inp, tar]) # (bs, 64, 64, channels*2)

    down1 = downsample(32, 3, False)(x) # (bs, 32, 32, 32)
    down2 = downsample(64, 3)(down1) # (bs, 16, 16, 64)
    down3 = downsample(128, 3)(down2) # (bs, 8, 8, 128)

    conv = tf.keras.layers.Conv2D(256, 3, strides=1,
                                  padding='same',
                                  use_bias=False)(down3) # (bs, 8, 8, 256)

    batchnorm1 = tf.keras.layers.BatchNormalization()(conv)

    leaky_relu = tf.keras.layers.LeakyReLU()(batchnorm1)

    last = tf.keras.layers.Conv2D(1, 3, strides=1)(leaky_relu) # (bs, 8, 8, 1)

    return tf.keras.Model(inputs=[inp, tar], outputs=last)
discriminator = Discriminator()
#tf.keras.utils.plot_model(discriminator, show_shapes=True, dpi=64)
loss_object = tf.keras.losses.BinaryCrossentropy(from_logits=True)
def discriminator_loss(disc_real_output, disc_generated_output):
    real_loss = loss_object(tf.ones_like(disc_real_output), disc_real_output)

    generated_loss = loss_object(tf.zeros_like(disc_generated_output), disc_generated_output)

    total_disc_loss = real_loss + generated_loss

    return total_disc_loss
generator_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)
discriminator_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)
def generate_images(model, test_input, tar):
    prediction = model(test_input, training=True)
    plt.figure(figsize=(7, 2))

    display_list = [test_input[0], tar[0], prediction[0]]
    title = ['Input Image', 'Ground Truth', 'Predicted Image']

    for i in range(3):
        plt.subplot(1, 3, i+1)
        plt.title(title[i])
    # getting the pixel values between [0, 1] to plot it.
        plt.imshow(display_list[i] * 0.5 + 0.5)
        plt.axis('off')
    plt.show()
for example_input, example_target in dataset_test.take(1):
    generate_images(generator, example_input, example_target)

在這里插入圖片描述

EPOCHS = 110
@tf.function
def train_step(input_image, target, epoch):
    with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
        gen_output = generator(input_image, training=True)

        disc_real_output = discriminator([input_image, target], training=True)
        disc_generated_output = discriminator([input_image, gen_output], training=True)

        gen_total_loss, gen_gan_loss, gen_l1_loss = generator_loss(disc_generated_output, gen_output, target)
        disc_loss = discriminator_loss(disc_real_output, disc_generated_output)

    generator_gradients = gen_tape.gradient(gen_total_loss,
                                          generator.trainable_variables)
    discriminator_gradients = disc_tape.gradient(disc_loss,
                                               discriminator.trainable_variables)

    generator_optimizer.apply_gradients(zip(generator_gradients,
                                          generator.trainable_variables))
    discriminator_optimizer.apply_gradients(zip(discriminator_gradients,
                                              discriminator.trainable_variables))
def fit(train_ds, epochs, test_ds):
    for epoch in range(epochs+1):
        if epoch%10 == 0:
            for example_input, example_target in test_ds.take(1):
                generate_images(generator, example_input, example_target)
        print("Epoch: ", epoch)

        for n, (input_image, target) in train_ds.enumerate():
            if n%10 == 0:
                print('.', end='')
            train_step(input_image, target, epoch)
        print()
fit(train_dataset, EPOCHS, dataset_test)

在這里插入圖片描述
在這里插入圖片描述
在這里插入圖片描述

AD_EPOCHS = 50
fit(train_dataset, AD_EPOCHS, dataset_test)

在這里插入圖片描述
在這里插入圖片描述

generator.save('pix2pix.h5')
for input_image, ground_true in dataset_test:
    generate_images(generator, input_image, ground_true)

在這里插入圖片描述
在這里插入圖片描述


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM