基于CycleGan开源项目实战图像合成

p1CycleGan网络所需数据

https://www.bilibili.com/video/BV15a4y1H7Pt?p=2&spm_id_from=pageDriver
cyclegan数据不需要配对
https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix

p2cyclegan整体网络结构

传统对抗网络做法：
图像A经过G网络，得到虚假图像B‘，B‘输入判别网络D中，进行判别真假，真实B也输入D中，混淆一下

只看红圈，传统存在问题，G网络为了使得D判别不出来是否是假的，可能直接生成”马“，不再依据输入的斑马特征。造成原始数据作用不大

为解决这个问题，cyclegan又引出了一个Gba，将马还原成斑马，并与原斑马进行对比loss

↑这只仅仅关注了Gab层面，对Gba关注度不够，故↓

需要构建四个网络，两个生成网络Ga2b,Gb2a，两个判别网络Da,Db

对于损失而言
G网络,D网络不再赘述
Cycle指的就是重新生成的马与原来的马的loss，
identity指的是：马通过Ga2b生成斑马，则斑马通过Ga2b应该还是其本身

P3PatchGan判别原理

不最后进行sigmoid，输出一个值，不对整图做判断，而是分成NxN做标记，卷积也输出NxN，进行判别真假

p4cycle开源项目简介

手动下载自己所需要的数据集


将下载好的文件解压至dataset文件夹

若是使用自己的数据，也是建立xx2xx文件夹

下载pre_train的model，新建checkpoints文件，放入（依据readme教程）

打开pycharm配置相关包，pycharm本地安装失败就管理员安装，或pip命令安装
下载好预训练模型
在terminal下进行test
使用cd命令切换目录，辅以相关提示完成训练

人2斑马效果

看train.py

暂定