昇思MindSpore打卡营 10号 -CycleGAN图像风格迁移互换 学习心得

模型简介

CycleGAN实现了在没有配对示例的情况下学习将图像从源域 X 转换到目标域 Y，被称为循环对抗生成网络。CycleGAN相比于Pix2Pix，只需要两种域的数据，不需要他们有严格对应关系，它是一种新的无监督的图像迁移网络。

构建生成器

生成器的结构如下图所示

 构建判别器

通过 Conv2d 、 BatchNorm2d 和 LeakyReLU 层对网络模型进行处理，最后通过 Sigmoid 激活函数得到最终判断该图像为真实图的概率。

优化器和损失函数

对生成器 𝐺G 及其判别器 𝐷𝑌DY ，目标损失函数定义为:

                        𝐿𝐺𝐴𝑁(𝐺,𝐷𝑌,𝑋,𝑌)=𝐸𝑦−𝑝𝑑𝑎𝑡𝑎(𝑦)[𝑙𝑜𝑔𝐷𝑌(𝑦)]+𝐸𝑥−𝑝𝑑𝑎𝑡𝑎(𝑥)[𝑙𝑜𝑔(1−𝐷𝑌(𝐺(𝑥)))]

模型训练 

一、训练判别器：

                目的是最大程度地提高判别图像真伪的概率；

二、训练生成器

                目的是产生更好的虚假图像。