介绍
什么是图像风格迁移，我想图片比文字更具表现力。上图中“output image”就是图像风格迁移后得到的结果。那么它是如何实现的呢？首先让我们看下CNN每层学习到了什么。
如图所示，CNN网络最开始会学习到图像的“纹理”，“边缘“等信息，随着层数的加深将会学习到更加丰富的信息。其实，在图像风格转移中我们就是使用卷积的前几层作为图像的”风格“。至于”content image“方法一样，只不过我们使用较高的层作为输出。
显而易见，我们需要有一个强大的CNN网络用来提取特征，为此，我们利用迁移学习使用VGG19模型。有关迁移学习，VGG16模型介绍，可以查看通过迁移学习实现OCT图像识别这篇文章。
将”style image“,"content image","init image(要生成的目标图像)"输入VGG19网络,提取特征构建模型。分别计算”content loss“，”style loss“并与系数相乘，然后将两个损失相加得到总损失。得到总损失后就可以计算对”init image“的梯度，然后使用梯度下降更新。
项目的细节要求，将会在对应代码里介绍。这里极力推荐使用”google colab“，当然，前提是”科学上网“。
数据处理
加载图片：
import os
img_dir='/tmp/nst'
if not os.path.exists(img_dir):
os.makedirs(img_dir)
import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rcParams['figure.figsize']=(10,10)
mpl.rcParams['axes.grid']=False
import numpy as np
from PIL import Image
import time
import functools
import tensorflow as tf
import tensorflow.contrib.eager as tfe
from tensorflow.python.keras.preprocessing import image as kp_image
from tensorflow.python.keras import models
from tensorflow.python.keras import losses
from tensorflow.python.keras import layers
from tensorflow.python.keras import backend as K
# 开启eager模式，开启后不能关闭
tf.enable_eager_execution()
# content图片路径
content_path='/tmp/nst/Green_Sea_Turtle_grazing_seagrass.jpg'
# style图片路径
style_path='/tmp/nst/The_Great_Wave_off_Kanagawa.jpg'
def load_img(path_to_img):
max_dim=512
img=Image.open(path_to_img)
# img.size:
# return:width,height
long=max(img.size)
# 缩放比
scale=max_dim/long
# img.size[0]:width img.size[1]:height
# round:返回四舍五入的值
# Image.ANTIALIAS:抗锯齿
img=img.resize((round(img.size[0]*scale),round(img.size[1]*scale)),Image.ANTIALIAS)
img=kp_image.img_to_array(img)
# expand dim:batch_size
# axis:对于2维来说，0:列，1：行，对于大于2维来说：维度从外向里加，如5维度：0，1，2，3，4
img=np.expand_dims(img,axis=0)
return img显示照片：
def imgshow(img,title=None):
# load_img fn:增加了batch_size 维度
# 这里显示照片不需要此维度
out=tf.squeeze(img,axis=0)
out=out.astype('uint8')
if title is not None:
plt.title(title)
plt.imshow(out)
# 显示content图像和style图像
plt.figure(figsize=(10,10))
content_img=load_img(content_path).astype('uint8')
style_img=load_img(style_path).astype('uint8')
plt.subplot(1,2,1)
imgshow(content_img,'content_img')
plt.subplot(1,2,2)
imgshow(style_img)
plt.show()将图片转为适合VGG19的输入格式：
def load_and_process_img(img_path):
img=load_img(img_path)
# vgg提供的预处理，主要完成（1）去均值（2）RGB转BGR（3）维度调换三个任务。
img=tf.keras.applications.vgg19.preprocess_input(img)
return img将图片由BGR转到RGB并将像素值限制到[0，255]：
def deprocess_img(processed_img):
x=processed_img.copy()
if len(x.shape) == 4:
x=np.squeeze(x,0)
assert len(x.shape) == 3
# 如果是RGB转BGR，此处改为”-=“
x[:, :, 0] += 103.939
x[:, :, 1] += 116.779
x[:, :, 2] += 123.68
# 'BGR'->'RGB'
x = x[:, :, ::-1]
x=np.clip(x,a_min=0,a_max=255).astype('uint8')
return x创建模型
指定使用VGG19模型中的哪些层作为”content image“特征层，”style image“特征层，并以此来构建新模型。
# content层
content_layers=['block5_conv2']
# style层
style_layers=[
'block1_conv1',
'block2_conv1',
'block3_conv1',
'block4_conv1',
'block5_conv1'
]
num_content_layers=len(content_layers)
num_style_layers=len(style_layers)
# 创建模型
# 使用vgg19中间层作为模型输出
def get_model():
vgg=tf.keras.applications.vgg19.VGG19(
# 不使用最后全连接层
include_top=False,
# 使用imagenet数据集
weights='imagenet'
)
# 因为vgg19我们仅是用来提取特征
vgg.trainable=False
# 获取对应层输出
style_outputs=[ vgg.get_layer(name).output for name in style_layers]
content_outputs=[ vgg.get_layer(name).output for name in content_layers]
model_outputs=style_outputs+content_outputs
return models.Model(vgg.input,model_outputs)损失函数
content loss：
模型的”content loss“就是输入图像X和原始图像P之间的欧氏距离，损失函数如下图所示：
style loss：
我们将l层第i个feature map和第j个feature map的内积，表示模型提取的”风格特征“，然后依然使用欧氏距离来计算损失。
一层损失计算：
我们的”style loss“，一般具有多层，所以总”style loss“需要累加：
总损失：
模型总损失就是”content loss“与“style loss”相加：
# content 损失
def get_content_loss(base_content,target):
# 欧式距离计算损失
return tf.reduce_mean(tf.square(base_content - target))# style 损失
# 使用gram矩阵来表示风格特征
def gram_matrix(input_tensor):
# (batch_size,height,width,channel)
channels=int(input_tensor.shape[-1])
a=tf.reshape(input_tensor,shape=[-1,channels])
n=tf.shape(a)[0]
gram=tf.matmul(a=a,b=a,transpose_a=True)
return gram/tf.cast(n,tf.float32)
def get_style_loss(base_style,gram_target):
gram_style=gram_matrix(base_style)
# 欧氏距离计算损失
return tf.reduce_mean(tf.square(gram_style - gram_target))计算损失函数，自然需要获取模型输出，下面获取“content output”和“style output”：
def get_feature_representtations(model,content_path,style_path):
# 将content img，style img 转为适合VGG19的输入
content_img=load_and_process_img(content_path)
style_img=load_and_process_img(style_path)
# 创建content，style模型
content_outputs=model(style_img)
style_outputs=model(content_img)
# model output feature 注意此处取值区间
# model output == content out + style out
content_features=[ content_layer[0] for content_layer in content_outputs[num_style_layers:]]
style_features=[ style_layer[0] for style_layer in style_outputs[:num_style_layers]]
return content_features,style_features梯度计算
def compute_loss(model,loss_weight,init_image,gram_style_features,content_features):
# “style image”损失函数系数，“content image”损失函数系数
# 此系数的作用是让“output image”内容更像谁一些，比如：
# content image系数更大，那么“output image”内容与“content image”相似度更高
style_weight,content_weight=loss_weight
# 将“init image”输入VGG19模型，得到“init_image_output features”
model_outputs=model(init_image)
# 根据上面的设置获取对应区间层的“feature output”
style_output_features=model_outputs[:num_style_layers]
content_output_features=model_outputs[num_style_layers:]
# “style image” loss
style_score=0
# “content image” loss
content_score=0
# 先计算每层损失，并设定每层的损失权重相同（当然，可以设置每层权重不同值）
# 设定每层损失权重相同
weight_per_style_layer=1.0/float(num_style_layers)
# 累加每层损失
for target_style,comb_style in zip(gram_style_features,style_output_features):
style_score+=weight_per_style_layer*get_style_loss(comb_style[0],target_style)
# 与“style_score”损失同理
weight_per_content_layer=1.0/float(num_content_layers)
for target_content,comb_content in zip(content_features,content_output_features):
content_score+=weight_per_content_layer*get_content_loss(comb_content[0],target_content)
# 损失函数*对应系数
style_score *= style_weight
content_score *= content_weight
# 相加得到总损失
loss = style_score + content_score
return loss, style_score, content_score
def compute_grads(cfg):
# eager模式下，先记录
with tf.GradientTape() as tape:
# 参数输入形式是字典
all_loss=compute_loss(**cfg)
total_loss=all_loss[0]
return tape.gradient(total_loss,cfg['init_image']),all_loss模型训练
import IPython.display
def run_style_transfer(content_path,
style_path,
num_iterations=1000,
content_weight=1e3,
style_weight=1e-2):
# 此处我们的模型主要是用来提取特征，做损失函数
model = get_model()
for layer in model.layers:
layer.trainable = False
# 获取模型“style feature”和“content feature”，注意此函数的取值区间
style_features, content_features = get_feature_representations(model, content_path, style_path)
# 将“style feature”转为可用于计算损失的gram矩阵形式
gram_style_features = [gram_matrix(style_feature) for style_feature in style_features]
# 目标图像设置，此处使用的是“content image”
# 此图像的初始化对结果影响不大
init_image = load_and_process_img(content_path)
# eager模式下变量使用“tfe.Variable”
init_image = tfe.Variable(init_image, dtype=tf.float32)
# 优化器设置
# beta1：一阶矩估计的指数衰减率
opt = tf.train.AdamOptimizer(learning_rate=5, beta1=0.99, epsilon=1e-1)
# 初始化模型结果
# float('inf') 正无穷 float('-inf')负无穷
best_loss, best_img = float('inf'), None
# 损失函数参数配置
loss_weights = (style_weight, content_weight)
cfg = {
'model': model,
'loss_weights': loss_weights,
'init_image': init_image,
'gram_style_features': gram_style_features,
'content_features': content_features
}
# 设置训练结果
num_rows = 2
num_cols = 5
display_interval = num_iterations/(num_rows*num_cols)
start_time = time.time()
global_start = time.time()
norm_means = np.array([103.939, 116.779, 123.68])
min_vals = -norm_means
max_vals = 255 - norm_means
imgs = []
for i in range(num_iterations):
# 梯度计算及参数更新
grads, all_loss = compute_grads(cfg)
loss, style_score, content_score = all_loss
opt.apply_gradients([(grads, init_image)])
clipped = tf.clip_by_value(init_image, min_vals, max_vals)
init_image.assign(clipped)
end_time = time.time()
if loss < best_loss:
# 损失更新
best_loss = loss
# 转为RGB显示
best_img = deprocess_img(init_image.numpy())
if i % display_interval== 0:
start_time = time.time()
# 显示训练过程
plot_img = init_image.numpy()
# 转为RGB显示
plot_img = deprocess_img(plot_img)
imgs.append(plot_img)
IPython.display.clear_output(wait=True)
IPython.display.display_png(Image.fromarray(plot_img))
print('Iteration: {}'.format(i))
print('Total loss: {:.4e}, '
'style loss: {:.4e}, '
'content loss: {:.4e}, '
'time: {:.4f}s'.format(loss, style_score, content_score, time.time() - start_time))
print('Total time: {:.4f}s'.format(time.time() - global_start))
IPython.display.clear_output(wait=True)
plt.figure(figsize=(14,4))
for i,img in enumerate(imgs):
plt.subplot(num_rows,num_cols,i+1)
plt.imshow(img)
plt.xticks([])
plt.yticks([])
return best_img, best_loss 
训练结果展示：
best, best_loss = run_style_transfer(content_path,
style_path, num_iterations=1000)
Image.fromarray(best)
总结
我们利用迁移学习使用VGG19模型提取“style feature”和“content feature”，都使用欧氏距离计算损失函数。其中，使用gram矩阵计算“style loss”。
最近开始使用”google colab“训练模型，感觉不错，推荐给大家。
本文代码部分来自Raymond Yuan，在次表示感谢。
python
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。