本库用 TensorFlow 简单的实现了 StarGAN。
StarGAN 是一种新颖且可扩展的方法,可以仅使用一个模型来执行多个域的图像到图像的转换。StarGAN 这样一个统一的模型体系架构让开发者可以同时训练单个网络中具有不同域的多个数据集,这导致StarGAN的图像转化结果比现有模型质量更高,并具有将输入图像灵活转化成任何期望目标域的新颖能力。
Github:
https://github.com/taki0112/StarGAN-Tensorflow
依赖
Tensorflow 1.8
Python 3.6
用法
下载数据集:
> python download.py celebA
├── dataset
└── celebA
├── train
├── 000001.jpg
├── 000002.jpg
└── ...
├── test (It is not celebA)
├── a.jpg (The test image that you wanted)
├── b.png
└── ...
├── list_attr_celeba.txt (For attribute information)
训练:
python main.py --phase train
测试:
python main.py - 阶段测试
同时运行 celebA 测试图像和您想要的图像
预训练模型:
Download checkpoint for 128x128
https://drive.google.com/open?id=1ezwtU1O_rxgNXgJaHcAynVX8KjMt0Ua-
总结
结果(128x128, wgan-gp):
女人
男人
∞∞∞∞∞
![undefined 640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/c6e4bba8dffa694ef441fe68317a3687.jpeg)
公众号回复“机器学习”,
邀你加入IT派{ AI机器学习群 }