Notebook系列第10期：图像风格转换

Part 01：课程准备

打开Notebook，来到第212分享章节中，这里已经为大家准备好了图像风格转换的应用。

 

图像风格转换，顾名思义，就是输入一张标准的图片，模型会自动为我们将其转化为不同的风格。比如说将一张照片转化为一张油画，这张油画可以是抽象风格，也可以是写实风格，风格选择具体要看我们使用怎样的模型。话不多说，来运行一下代码看看吧。

首先需要加载相应的依赖库，然后下载所需要的示例模型。可以看到这一共有5个模型，它们分别代表着不同风格的绘画主题或形式。

 

由于本次用到的模型是被保存在github仓库，所以大家在下载时候遇到问题，可以重试直至下载成功，下载完毕可以看到模型已经被保存在本地的一个model目录下，这里总共有5个onnx格式的模型，由于OpenVINO可以直接输入onnx格式模型，所以我们不需要将其转化为IR格式。

 

模型下载完毕后，我们需要对输入的示例图片进行前处理，也就是将它的通道从BGR转到RGB的形式。

Part 02：网络推理

接下来来到了本期课程的重磅环节——网络推理。

我们可以借助一些第三方工具看一下这个模型的基本结构。示例模型相对比较简单，它的输入是一张1×3×224×224的图片，它的输出也是一张1×3×224×224（经过转化后的）图片，所以我们只要通过一些简单的后处理，就可以完成非常好的可视化呈现。

 

接着我们再来看一下推理部分的代码。

首先我们需要通过 Python的PLT工具来创建视图，为将不同风格的图片进行堆叠展示作准备。

 

然后来到OpenVINO推理部分，获取它的对象函数。

接下来我们需要进行图像的前处理，将它的layout进行转置。此处我们会通过循环去推理每一个模型，每一个模型会单独生成一张通过转化以后的图片。

 

可以看到，由于输入图像没有经过resize，因此我们需要将模型reshape到输入图像所对应的维度，再进行模型的编译推理，获取结果数据，最后将这些数据作为堆叠，我们就可以得到最终的呈现效果。

 

运行一下这个代码段可以看到它首先会去跑每一个模型的推理，然后挨个运行，最后看到呈现效果。通俗来说，也就是我们有一张原始的图片，原始图片会被复制成5份，分别以不同的风格进行展示。

最后，杨老师将自己的形象照作为测试示例，并运行模型，我们来看下杨亦诚老师的验证效果。

看到这里，大家是不是也和Nono一样跃跃欲试了？那就动手操作起来吧。