Deepdream 实现

文章来源： http://blog.csdn.net/Yan_Joy/article/details/54343806

环境准备

---

deepdream还是基于python和caffe深度网络的，因此大概需要以下环境：

• Standard Python scientific stack: NumPy, SciPy, PIL, IPython. Those libraries can also be installed as a part of one of the scientific packages for Python, such as Anaconda or Canopy.
• Caffe deep learning framework (installation instructions).
• Google protobuf library that is used for Caffe model manipulation.

代码

---

导入库

相关的环境配置好了之后，可以先试试库能不能被导入进来：

# imports and basic notebook setup
from cStringIO import StringIO
import numpy as np
import scipy.ndimage as nd
import PIL.Image
from IPython.display import clear_output, Image, display
from google.protobuf import text_format

import caffe
caffe.set_mode_gpu();
caffe.set_device(2);# 默认GPU 为0
# 如果GPU 支持 CUDA 并且 Caffe 编译时添加对 CUDA 支持,可以使用caffe.set_mode_gpu()和caffe.set_device(0);


def showarray(a, fmt='jpeg'):
    a = np.uint8(np.clip(a, 0, 255))
    f = StringIO()
    PIL.Image.fromarray(a).save(f, fmt)
    display(Image(data=f.getvalue()))
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

加载模型

网络采用了GoogLeNet模型，需要提前下好。

model_path = '../caffe/models/bvlc_googlenet/' # 替换为自己模型的目录
net_fn   = model_path + 'deploy.prototxt'
param_fn = model_path + 'bvlc_googlenet.caffemodel'

# Patching model to be able to compute gradients.
# Note that you can also manually add "force_backward: true" line to "deploy.prototxt".
# 以下部分是更改了deploy的参数，增加了"force_backward: true"，然后保存成一个临时文件用于网络。当然也可以自己手动改。
model = caffe.io.caffe_pb2.NetParameter()
text_format.Merge(open(net_fn).read(), model)
model.force_backward = True
open('tmp.prototxt', 'w').write(str(model))

net = caffe.Classifier('tmp.prototxt', param_fn,
                       mean = np.float32([104.0, 116.0, 122.0]), 
                       # ImageNet mean, training set dependent 
                       # 均值
                       channel_swap = (2,1,0))  
                       # the reference model has channels in BGR order instead of RGB 
                       # 改RGB通道

# a couple of utility functions for converting to and from Caffe's input image layout
# 为了caffe 数据处理的功能函数
def preprocess(net, img):
    return np.float32(np.rollaxis(img, 2)[::-1]) - net.transformer.mean['data']
def deprocess(net, img):
    return np.dstack((img + net.transformer.mean['data'])[::-1])
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

做梦

Making the “dream” images is very simple. Essentially it is just a gradient ascent process that tries to maximize the L2 norm of activations of a particular DNN layer. Here are a few simple tricks that we found useful for getting good images:

• offset image by a random jitter
• normalize the magnitude of gradient ascent steps
• apply ascent across multiple scales (octaves)

做梦其实很简单，本质上，它只是一个梯度上升过程，试图最大化特定DNN层激活的L2范数。 这里有一些简单的技巧，我们发现有用的获得良好的图像：

• 由随机抖动偏移图像
• 规则化梯度上升步长的幅度
• 在多个尺度上应用上升

首先我们实现一个基本的梯度上升阶跃函数，应用前两个技巧：

# 将输入的数据(data)复制给梯度(diff)
def objective_L2(dst):
    dst.diff[:] = dst.data 

# 核心函数
def make_step(net, step_size=1.5, end='inception_4c/output', 
              jitter=32, clip=True, objective=objective_L2):
    '''Basic gradient ascent step.'''

    src = net.blobs['data'] # input image is stored in Net's 'data' blob 
                            # 输入图像
    dst = net.blobs[end]    # 目标层，默认为'inception_4c/output'

    ox, oy = np.random.randint(-jitter, jitter+1, 2) # 生产抖动
    src.data[0] = np.roll(np.roll(src.data[0], ox, -1), oy, -2) # apply jitter shift 
                                                                # 应用抖动

    net.forward(end=end) # 向前传播到指定层
    objective(dst)  # specify the optimization objective 
                    # 指定优化目标（默认为objective_L2优化）
    net.backward(start=end) # 反向传播到优化层
    g = src.diff[0] # 输入图像梯度
    # apply normalized ascent step to the input image
    # 对输入图像应用归一化上升步长
    src.data[:] += step_size/np.abs(g).mean() * g

    src.data[0] = np.roll(np.roll(src.data[0], -ox, -1), -oy, -2) # unshift image 
                                                                  # 还原抖动

    if clip:
        bias = net.transformer.mean['data']
        src.data[:] = np.clip(src.data, -bias, 255-bias)    
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

Next we implement an ascent through different scales. We call these scales “octaves”.

接下来，我们通过不同的尺度实现上升。 我们称这些尺度为“octaves”。 
iter_n是迭代次数，octave_n是尺度缩放次数，octave_scale是尺度缩放比例。

# 默认参数：迭代10次，缩放4次，缩放比1.4
# 即原始图像迭代10次，长宽缩小1.4倍后再次迭代，一共进行4轮（包括原始尺寸）
def deepdream(net, base_img, iter_n=10, octave_n=4, octave_scale=1.4, 
              end='inception_4c/output', clip=True, **step_params):
    # prepare base images for all octaves
    # 准备数据，生成octave_n个数据
    octaves = [preprocess(net, base_img)]
    for i in xrange(octave_n-1):
        octaves.append(nd.zoom(octaves[-1], (1, 1.0/octave_scale,1.0/octave_scale), order=1))

    src = net.blobs['data']
    #  np.zeros_like(a):　依据给定数组(a)的形状和类型返回一个新的元素全部为1的数组。
    detail = np.zeros_like(octaves[-1]) # allocate image for network-produced details 

    for octave, octave_base in enumerate(octaves[::-1]):
        h, w = octave_base.shape[-2:]
        if octave > 0:
            # upscale details from the previous octave
            h1, w1 = detail.shape[-2:]
            detail = nd.zoom(detail, (1, 1.0*h/h1,1.0*w/w1), order=1)

        src.reshape(1,3,h,w) # resize the network's input image size
        src.data[0] = octave_base+detail
        for i in xrange(iter_n):
            make_step(net, end=end, clip=clip, **step_params)

            # visualization
            vis = deprocess(net, src.data[0])
            if not clip: # adjust image contrast if clipping is disabled
                vis = vis*(255.0/np.percentile(vis, 99.98))
            showarray(vis)
            print octave, i, end, vis.shape
            clear_output(wait=True)

        # extract details produced on the current octave
        detail = src.data[0]-octave_base
    # returning the resulting image
    return deprocess(net, src.data[0])
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

开始做梦

# 打开并显示图片
img = np.float32(PIL.Image.open('sky1024px.jpg'))
showarray(img)
 
 
1
2
3

_=deepdream(net, img)# 运行
 
 
1

 
 
 

一共会得到4（尺度）*10（迭代）=40张图片。 
更改结束层会改变结果，如：

_=deepdream(net, img, end='inception_3b/5x5_reduce')# 更改结束层
 
 
1

具体的层可以参考配置文件，googlenet还是比较复杂的。而且结束的越晚，就更能从图像识别出现实物体。 
如：_=deepdream(net, img, end='inception_4e/output') 

左边的云已经可以看出是一只狗的脸了。

前方高能！

上面一步就得到了奇怪的结果， 
如果把这样的输出再作为输入放到网络里呢？ 
结果比较精神污染：

这是经过大概5轮反复输入得到的结果。 
官方迭代了100次，丧心病狂啊= =

控制做梦

如果调整了我们的优化目标，就可以控制我们想要的结果。 
比如我们想把原始图像往另一张图像上靠近，可以定义一个指向性的优化目标：

def objective_guide(dst):
    x = dst.data[0].copy()
    y = guide_features
    ch = x.shape[0]
    x = x.reshape(ch,-1)
    y = y.reshape(ch,-1)
    A = x.T.dot(y) # compute the matrix of dot-products with guide features
    dst.diff[0].reshape(ch,-1)[:] = y[:,A.argmax(1)] # select ones that match best
 
 
1
2
3
4
5
6
7
8

guide_features是需要预先提取的目标特征：

end = 'inception_3b/output'
h, w = guide.shape[:2]
src, dst = net.blobs['data'], net.blobs[end]
src.reshape(1,3,h,w)
src.data[0] = preprocess(net, guide)
net.forward(end=end)
guide_features = dst.data[0].copy()
 
 
1
2
3
4
5
6
7

 
好了，运行！

_=deepdream(net, img, end=end, objective=objective_guide)
 
 
1

有了花的感觉啊~

总结

正着传播过来是分类，反着过去是生成，用深度学习产生艺术作品似乎是一个很有意思的方向。而目前也有较为成熟甚至是商业化的项目了，比如deepart。如果你能够承受一定的精神污染，建议挑战一下Nightmare，这是YOLO大神的另一个作品。

deepdream-github