Skip to content

botingchen/DCGAN_Style_Transfer

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

12 Commits
 
 
 
 
 
 
 
 

Repository files navigation

DCGAN Style Transfer

Team 26: 0816064吳中赫 0816169陳伯庭 0816043吳玟叡


1. Main Ideas

利用網路上所能收集到的各個畫風肖像畫,透過深度學習中的生成式對抗網路(Generative Adversarial Network, GAN)產生出一張屬於我們自己的肖像畫。產生出來之後,再透過深度學習的風格轉換(Nueral Style transfer),結合各大著名畫家、不同畫風的畫作,產生出長的一樣,卻不同質感的肖像畫。就相當於各大著名畫家用他們的畫風來模仿了我們畫作,讓他們在逝世的數十數百年後,被我們請出來,用他們的風格來詮釋我們的畫作。

2. Data Collection

GAN

GAN的部分,我們這次的Dataset主要是從Kaggle還有自己爬蟲蒐集各種風格的肖像畫。爬蟲的部分,我們爬的是unsplash這個網站,因為它提供了高畫質的照片,如果用google可能蒐集到一下畫質較低的,對我們整體訓練的過程有害,產生不必要的noise。我們用request裡面的get請求肖像畫的圖片網址,然後用BeautifulSoup去解析respnseimg接著我們從圖片的HTML結構可以看到圖片的class都是"YVj9w”img所以我們爬取了所有class為"YVj9w"的圖片,總共5000張,然後把抓下來的圖片通通存到dataset這個資料夾,就結束了。

img

Style Transfer:

這部分我們選擇了梵谷、畢卡索、草間彌生各數張的名作作為我們的style images。這些畫家的有比較鮮明的畫風,所以我們預期使用這些畫作為style images較能圖顯style transfer的效果。imgimgimg

3. Outlines

接著我們來更進一步的說明我們project以及整體的架構。首先是我們GAN模型的選用,我們一開始直接選擇設計GAN去生成肖像畫。GAN主要是先透過Genrator產生類似所需對應類別的圖片,再透過Discriminator決定生成出的這張照片像不像,然後重複這個循環直到Discriminator覺得生成的夠像為止。

imgimg

但經過好久的訓練,都得不到理想的成果。我們仔細去研究,發現到後面我們的model幾乎沒有在學習,生成的圖片在後期的training過程甚至有越來越糟的趨勢,看起來是碰上了overfit。所以我們上網查了其他種GAN的變形,發現了Deep Convolutional Generative Adversarial Networks (以下簡稱DCGAN) 。

img

DCGAN有點類似CNN + GAN,只是DCGAN的generator 跟discriminator都捨棄了CNN的pooling layer,用strided卷積代替,discriminator保留了CNN其他特性,generator則將convolutional layer替換成fractional-strided convolution。同時generator跟discriminator在每一層之後都加上了batch normalization,可以減少Training set初始化不良對模型訓練的影響,避免梯度爆炸,提高了訓練的穩定性,也是我們捨棄GAN的目的 - 避免overfitting。而我們設計DCGAN的細節會在下一個section講解。

用DCGAN得到產出的結果後,接著使用Style Transfer,來得到最終結果。我們這次選擇透過VGG19來完成style transfer的任務。利用VGG模型分別提取原圖及風格圖(著名畫家畫作)的特徵。VGG19有19層,分別是16個卷積層以及3個全連接層,結構圖如下。

img

我們原本使用VGG16,因為擔心VGG19太深,訓練時間過長。但後來發現並沒有耗費多太多時間,效果其實比較好,就採用VGG19了。

4. Implementation

Portrait Generator:

首先我們用torchvision裡面的datasets.ImageFolder這個套件來load我們的Dataset,我們發現pytorch也提供一個好用的套件,transform.compose,裡面可以統一圖片的大小,將圖片歸一化到[-1.0,1.0]之間,將圖片轉化成tensor好讓model進行讀取等。img輸出我們讀取的圖片長怎樣。可以看到64 * 64的圖片解析度還有進步空間,但調整成128 * 128的訓練時間過長,為了節省時間我們還是選用64 * 64的圖片。

img

接著就是我們model的設計細節,我們主要都是參考DCGAN論文是如何設計與實作的。

首先是Weight Initialization的部分,因為DCGAN論文內有提到Model的weight都必須由Normal Distribution(mean=0, stdev=0.02)隨機產生,所以我們寫了一個function可以直接把隨機的weight丟進model裡。

DCGAN - Generator: 主要用Pytorch作為框架,並按照倫文內的模型十件,經過上面的fuction後,都有做出noise是random的,然後用fractional-strided convolution來取代2D convolutional layer。imgDCGAN - Discriminator: 在DCGAN論文的Discriminator中,提取feature是由一連串的2D Convolutional layer, Batchnorm 跟 LeakyReLU負責的。最後輸出一個單一值,用來代表Discriminator認為是真或假的圖片。那在這邊我們上網查到一種做法,是在最後一層卷基層加上全連結層,而這層會被Generator用來try以及match。以下是我們的discriminator的內部結構,主要是以論文的為主,但input shape會改成3 (channel ) * 64 (image height) * 64 (img_weight),也可以看到剛剛所說的結合CNN,用stride取代pooling,最後加上sigmoid activation function來回傳0(代表假的圖片)或1(代表真)。img 最後就是training,主要就是將Generator產出的結果丟進Discriminator,並重複循環到Discriminator以為產出的Artwork是真的Artwork為止。

Implementation - Style Transfer:

我們採用VGG19的model,並將image都resize到244*244,weight則是使用imagenet。content layers採用的是單層的block5_conv2 layer,style layers則是五層的block_conv1組成。接著我們就可以把我們的style image丟到style extractor裡面來產生style outputs。接著我們可以利用style content model來產生extractor,再將content image丟進去產生content output。至於後面計算gradient descent及loss function的部分則是參考tensorflow document去做撰寫,使用的optimizer是Adam,style weight設為0.01,content weight設為10000。一開始我們以一張貓咪的圖以及梵谷的《星空》做為測試,直到我們有辦法完整產生一張經過style transfer的貓咪圖後,才將我們在GAN產生的肖像畫拿來做training。由於GAN生成的肖像畫過多,所以我們只選取幾張圖來做style transfer。對於每一張我們選取的style image,我們用它與這幾張我們挑選的肖像畫做style transfer。對於某些GAN產生的,輪廓比較不明顯的圖片,透過style transfer我們除了能夠改變它的繪畫風格之外,也能讓肖像的輪廓更為明顯。

5. Results

首先這些是我們從GAN得到的畫作和原本的畫作作比較,可以發現這樣看的話說是真人畫出來的都會相信。

img

接著我們就要把剛剛得到的Artwork,丟進Style Transfer。接著這些是我們要拿來當作參考風格的圖畫。

imgimgimg

下方為使用一張GAN產生的肖像畫,經過style transfer的成果。1.肖像畫本身 2.與梵谷的《星夜》進行的style transfer 3.與畢卡索的 《哭泣的女人》進行的style transfer 4.與草間彌生的《花》進行style transfer後的結果

imgimgimgimg

另外,我們有一個蠻有趣的發現。其實從style transfer後的圖可以很容易地將這些畫家的風格區分開來。可以看到梵谷的畫風非常地樸實,很好地將畫作中的各種元素融合在一起,有一種懷舊的調調;畢卡索的畫風充滿粗曠、扭曲的線條,以及豐富的色彩;草間彌生的畫風也很特別,由各種零碎的幾何圖形組成。1.草間彌生 2.畢卡索 3.梵谷 4.梵谷

imgimgimgimg

5. Conclusion & Future Work:

在DCGAN這邊,我們可以看到雖然我們的Generator-loss呈現下降的趨勢,但生成的圖片從肉眼上來看還是有改進空間。有幾張可以分辨得出這是肖像畫,五官等等卻不夠細節。其中一個重要原因是因為我們只使用了64*64的resized image,所以訓練成效沒辦法達到很高。至於style tranfer的部分,我認為我們的成果有達到style transfer的效果,但是在保持原有肖像畫的特徵上略顯不足。所以未來我們可能嘗試在GAN的部分就做到更大解析度的output,如此style transfer才能有更精緻的結果。


References:https://www.tensorflow.org/tutorials/generative/style_transferhttps://www.tensorflow.org/tutorials/generative/dcgan?fbclid=IwAR36fgQkpG_YPbZ_EhIYmGF92xFqev1xEkw1V-aUfMguGdBw9graH-q8FjQ

Presentation Video:https://drive.google.com/file/d/1700zEtckykeZzNt_zk_kqVd9ZMlcjvNN/view?usp=sharing

About

AI capstone final project

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published