AdaIN-风格转换之生成流程

现在可以开始 ”AdaIN 风格转变“了。

先把三个模型用Opencv转换成文本格式，decoder.t7 和 decoder-content-similar.t7 成功了

.而 vgg_normalised.t7 转化不了，哪个 vgg_normalised.caffemodel 又下不下。

模型下载地址：

https://s3.amazonaws.com/xunhuang-public/adain/decoder.t7
https://s3.amazonaws.com/xunhuang-public/adain/decoder-content-similar.t7
https://s3.amazonaws.com/xunhuang-public/adain/vgg_normalised.t7

用 VGG_ILSVRC_19_layers.caffemodel 应该是不行的，因为decoder.t7 是针对vgg_normalised.t7 训练的，除非自己训练。

先看一下AdaIN-style 转换流程图：

从上图可以看出 编码器中并没有用到特别的层，为什么不能转换呢？

用十六进制编辑器打开 vgg_normalised.t7 文件 并

结合 Opencv3.3 和4.0的torch_importer.cpp 以及 Python 读取 Torch 的 torchfile.py 可以知道，

vgg_normalised.t7 文件中第一个层中引用了一个外部文件函数

@./helpers/preprocess.lua

OpenCV对这种情况是不处理的就退出了。

有什么办法跳过这个层取出后面的参数数据呢？

t7 模型的存放用了递归，整个文件是一个对象，然后对象之中有对象，表中有表，表中有对象，绕来绕去，总之非常复杂。

按它的流程 就是在人家的脚后跟，不能错一点，人家稍稍改了，就会出错。，

如果，按层为单位搜索，就会非常简单，遇到未知的可以跳过，不会影响其它层。

流程 ：

1。搜索层，取出层名，取出参数

2。如果是未知层名，不取参数，搜索下一层

3。循环，直至结束

是不是很简单。

先找一下每层名字，就是

"V 1" 或 "V 2" 或 "V 3" + "nn."

前面的V是版本号    ，后面的 nn. 就是层名 

 

void readModel(string name)
{

	// 确保所获得的文件指针合法
	if(fopen_s(&m_FilePointer,name.data(), "rb")!=0) 
	{
		char Message[255] = {0};
		sprintf_s(Message, "没有找到这个文件: %s!", name.data());
		cout<<Message<<endl;
		return ;
	}
	ofstream fout ("Torch模型中的层名.txt");

	int V1num=0;
	while(1){
		if(跳到V位置())//找一个版本 "V 1" "V 2" "V 3"
			;
		else
			break;

		      
		long fpos = ftell(m_FilePointer);//当前文件位置。

		//读出类名
		string TorchClassName = readString();

		if(startsWith(TorchClassName,"nn.")) //"nn." 开头的是层名
		{
			V1num++;

			//显示层名
			cout<<TorchClassName<<endl;

			//保存到文件
			//fout<<"----"<<V1num<<"----"<<endl;
			fout<<TorchClassName<<endl;
				


		}

	}
	fout.close ();

	fclose(m_FilePointer);            // 关闭当前的文件指针

	system("pause");
}

打开文件可以看到vgg_normalised.t7 中的各层名了：

nn.Sequential
nn.SpatialConvolution ------------------预处理卷积 3维->3维
nn.SpatialReflectionPadding
nn.SpatialConvolution --------------Conv1_1---卷积 3维->64维
nn.ReLU
nn.SpatialReflectionPadding
nn.SpatialConvolution --------------Conv1_2---卷积 64维不变
nn.ReLU
nn.SpatialMaxPooling ---------------pool1---2倍缩小
nn.SpatialReflectionPadding
nn.SpatialConvolution --------------Conv2_1---卷积 64维->128维
nn.ReLU
nn.SpatialReflectionPadding
nn.SpatialConvolution --------------Conv2_2---卷积 128维不变
nn.ReLU
nn.SpatialMaxPooling ---------------pool2---2倍缩小
nn.SpatialReflectionPadding
nn.SpatialConvolution --------------Conv3_1---卷积 128维->256维
nn.ReLU
nn.SpatialReflectionPadding
nn.SpatialConvolution ---------------Conv3_2---卷积 256维不变
nn.ReLU
nn.SpatialReflectionPadding
nn.SpatialConvolution ---------------Conv3_3---卷积 256维不变
nn.ReLU
nn.SpatialReflectionPadding
nn.SpatialConvolution ---------------Conv3_4---卷积 256维不变
nn.ReLU
nn.SpatialMaxPooling ----------------pool3---2倍缩小
nn.SpatialReflectionPadding
nn.SpatialConvolution ----------------Conv4_1---卷积 256维->512维
nn.ReLU ------------------------------relu4-1--->输出
nn.SpatialReflectionPadding
nn.SpatialConvolution
nn.ReLU
nn.SpatialReflectionPadding
nn.SpatialConvolution
nn.ReLU
nn.SpatialReflectionPadding
nn.SpatialConvolution
nn.ReLU
nn.SpatialMaxPooling ------------------2倍缩小
nn.SpatialReflectionPadding
nn.SpatialConvolution
nn.ReLU
nn.SpatialReflectionPadding
nn.SpatialConvolution
nn.ReLU
nn.SpatialReflectionPadding
nn.SpatialConvolution
nn.ReLU
nn.SpatialReflectionPadding
nn.SpatialConvolution
nn.ReLU

虚线是我后来加上去的，第一层预处理卷积是VGG19中没有的。

先这样吧。