简介
介绍DeepDream的原理并用TensorFlow实现
效果
先来看一下DeepDream的效果,本来是这样一张图片
经过DeepDream处理之后就有可能变成这样
有点奇特和梦幻,也有点不明所以、精神污染
原理
大多时候我们是根据给定的数据和标签,去训练和调整网络的参数
不过也有时候,我们是固定网络的参数,根据某个损失函数调整输入数据,例如在图像风格迁移里,根据内容损失函数和风格损失函数调整合成的图片
对于常见的图片分类模型,输入一张图片,网络中的每个tensor会输出相应的响应值,值越大说明这个tensor越“喜欢”这张图片
比如输入一张狗的图片,网络中用于识别和分类狗的tensor就会输出较大的响应值
把优化目标设为最大化某个tensor的响应值,以此来调整输入图片,这就是DeepDream的原理
举例来说,为了满足一个喜欢狗的tensor,我们将原始图片中像狗的一些蛛丝马迹进行调整和放大,从而使得这一tensor的响应值更大
实现
加载库
# -*- coding: utf-8 -*-
import tensorflow as tf
import numpy as np
import cv2
from imageio import imread, imsave, mimsave
import matplotlib.pyplot as plt
%matplotlib inline
from scipy.ndimage.filters import gaussian_filter
加载图片分类模型,这里使用inception5h
layer_names = ['conv2d0', 'conv2d1', 'conv2d2',
'mixed3a', 'mixed3b', 'mixed4a', 'mixed4b', 'mixed4c', 'mixed4d', 'mixed4e',
'mixed5a', 'mixed5b']
grap