层次3 DCGAN动漫图像生成

Posted 2021-07-11 ZHW_AI课题组

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了层次3 DCGAN动漫图像生成相关的知识，希望对你有一定的参考价值。

层次3 DCGAN动漫图像生成

作者介绍
项目简介
运行环境
GAN简介
DCGAN简介
DCGAN生成动漫图像的代码实现
参考链接

作者介绍

张伟伟，男，西安工程大学电子信息学院，2019级硕士研究生，张宏伟人工智能课题组。
研究方向：机器视觉与人工智能。
电子邮件：2430290933@qq.com

项目简介

随着二次元文化逐渐走进大众视野，各种动漫作品所塑造的角色已经成为一种特殊的文化符号。但是，由于动漫本身复杂的性质，其对于制作成本，质量，创意都有较高的要求，导致动漫行业频频出现投入高，收益低的现象。由于生成对抗网络（GAN）在图像生成领域和视频生成领域具有巨大的发展潜力，许多研究者尝试从GAN入手，实现动漫图像的自动生成，为创作者带来了灵感，还节省了巨额创作开支。生成对抗网络（GAN）的理念由Goodfellow于2014年提出的，它的发展历程只有七年，却对人工智领域带来了极大的冲击，是目前火热的研究方向之一。

运行环境

程序可自动判断是使用GPU版本运行还是GPU运行。

电脑：windows10
处理器：Intel® Core™ i7-4702HQ CPU @ 2.20GHz 2.20 GHz
显卡：NVIDIA GTX950
内存：16G
pytorch版本：pytorch1.1.0
python版本：python3.6
程序运行内存占用：10G（可根据电脑配置调整batchsize大小调整内存占用）
程序运行时间：epoch =25 耗时30分钟左右

本教程需要提前在以前教程配置的环境中安装的包：

pip install opencv-python

GAN简介

论文参考：

GAN的应用

GAN是一种无监督生成模型，可以被用来生成图像、音频，图像转换，图像翻译，风格迁移等等。

图像转换
在这里插入图片描述

图像翻译
在这里插入图片描述
图像超分辨

风格迁移

GAN的原理

GAN网络全称generative adversarial network，翻译为生成式对抗网络，是一种机器学习方法。其中在GAN网络中，有两个模型——生成模型（ generative model G），判别模型（discriminative model D）。GAN的主要灵感来源于博弈论中零和博弈的思想，对于神经网络而言就是通过生成网络G（Generator）和判别网络D（Discriminator）不断博弈主要目的是学习真实世界的真实数据的分布,用于创造以假乱真的数据。下图为GAN的简单图示：
在这里插入图片描述

G是一个生成式的网络，它接收一个随机的噪声z（随机数），通过这个噪声生成图像。
D是一个判别网络，判别一张图片是不是“真实的”。它的输入参数是x，x代表一张图片，输出D（x）代表x为真实图片的概率，如果为1，就代表100%是真实的图片，而输出为0，就代表不可能是真实的图片。
训练过程中，生成网络G的目标就是尽量生成真实的图片去欺骗判别网络D。而D的目标就是尽量辨别出G生成的假图像和真实的图像。这样，G和D构成了一个动态的“博弈过程”，最终的平衡点即纳什均衡点。

GAN的特点

GAN采用的是一种无监督的学习方式训练，相比其他所有模型, GAN可以产生更加清晰，真实的样本；相比较传统的模型，他存在两个不同的网络，而不是单一的网络，并且训练方式采用的是对抗训练方式（比如图片风格迁移，超分辨率，图像补全，去噪，避免了损失函数设计的困难）。但是，训练GAN需要达到纳什均衡,有时候可以用梯度下降法做到,有时候做不到.我们还没有找到很好的达到纳什均衡的方法，GAN存在训练不稳定、梯度消失、模式崩溃的问题（目前发展已经有各种避免的方法）

DCGAN简介

DCGAN将GAN与CNN相结合，奠定后几乎所有GAN的基本网络架构。DCGAN极大地提升了原始GAN训练的稳定性以及生成结果质量。

相比于GAN的改进：
（1）使用卷积和去卷积代替池化层
（2）在生成器和判别器中都添加了批量归一化操作
（3）去掉了全连接层，使用全局池化层替代
（4）生成器的输出层使用Tanh 激活函数，其他层使用RELU
（5）判别器的所有层都是用LeakyReLU 激活函数

DCGAN网络结构

生成器网络结构

如下图，噪声Z（维度为100）传入网络之后，经过全连接变成维度16384，接着reshape成441024（441024 = 16384）的特征图。
在这里插入图片描述
DCGAN 的判别器和生成器都使用了卷积神经网络（CNN）来替代GAN 中的多层感知机。

判别器网络结构

在这里插入图片描述

DCGAN损失函数

GAN的损失函数：
在这里插入图片描述
损失函数是一种非负实数函数，可以评估模型的预测值与真实值不一致的程度。两者差距减少，概率分布越接近，差距增加，概率差异越高，在Pytorch中可以通过导入torch.nn包来使用。Pytorch中提供许多损失函数，每一种函数都有其特性，例如：MSELoss是一种均方误差损失函数，使用梯度下降算法，一般常用于解决股票预测、房价预测等回归类问题；SmoothL1Loss是一种稳定的损失函数，也被用于解决回归问题，它的函数曲线光滑可以避免梯度爆炸的问题；BCELoss是CrossEntropyLoss的一个特例，常用于解决分类问题。在本课题中我们需要，判断样本的输出是真实图片还是生成图片，所以本课题选择BCELoss作为损失函数，它在 PyTorch 中的定义如公式2.1所示:

DCGAN的训练和超参数

算法流程
训练

训练步骤

更新判别器网络的时候，不更新生成器网络，更新生成器网络的时候，不更新判别器网络
生成器网络就是不断的学习将噪声（噪声是一个固定分布，比如正态分布，或者高斯分布）转化图片，这样以来，我们在生成图片的时候，只需取同样的分布就可以生成图片

训练超参数
批大小：batch_size = 10
学习率：learning_rate = 0.0002
噪声维度： nz = [batch_size,100,1,1]
训练次数：epoch = 25
Adam：beta1 = 0.5 ---- beta2 =0.999
训练所使用的的优化器
在DCGAN的训练过程中，可以通过优化器最小化损失函数，一般分为一阶优化算法和二阶优化算法。本课题选用Adam优化程序调整超参数，它结合了 AdaGrad 和 RMSProp 算法最优的性能，不仅可以计算每个参数的自适应学习率，还可以通过训练数据的不断迭代使网络权重自动更新，相较于其他几种算法而言Adam算法实现简单、对计算机资源占用率较低，收敛速度也更快。
Adam算法有一些重要参数，其中params表示用于优化的可以迭代参数或定义参数组；lr表示学习率，可以调节权重的更新比例，影响网络的收敛速度，在Pytorch源码中定义如下：

torch.optim.Adam(params,lr=a,betas=(b,c),eps=d, weight_decay=e)

DCGAN生成动漫图像的代码实现

DCGAN生成动漫图片的主要流程

从一维的噪声向量z经过生成器生成的 “假样本” 与数据集中 “真样本“” 输入判别器中，判别器首先计算D_loss，先更新判别器参数，然后计算G_loss，用于更新生成器参数。误差损失函数采用BCE损失函数，使用Adam优化器更新判别器和生成器的网络参数。
在这里插入图片描述

数据集概述

本教程将选取了一部分动漫数据集（下文中有代码和选取的部分数据集的链接）（原数据集共51223张图片），原数据集百度网盘链接，提取码2021.
截取后的数据集（已包含在项目文件中）大小为15.5M,约2000张动漫图片（真样本），图片的分辨率为3 * 96 * 96（CHW.使用标准的DCGAN网络结构。以下为训练集的部分图片：
例如，我的训练集路径为：D:/DCGAN/smalldata/，后续会用到。
在这里插入图片描述
本实验考虑到计算资源的问题，采用了2000张图片作为训练集，测试时产生100张漫画图片。训练轮数为25轮（epoch = 25）,电脑配置为NVIDIA GTX 950,使用GPU版本的Pytorch进行训练，训练耗时30分钟，内存占用10G（根据电脑配置情况，可以调整batch_size大小降低内存占用），测试时生成图片2s 左右。

数据集和代码的百度网盘链接（约10M）： https://pan.baidu.com/s/1GDZCfEYAQSAtRa84xwmZ7Q
提取码：2021

各个层级目录的作用：

bitmaps_epoch25----保存测试时生成的图片目录
smalldata---------------数据集存放的文件夹
pkl -----------------------权值文件保存目录
data_helper.py--------训练时读取文件目录，此文件主要需要修改数据集文件目录
train.py -----------------训练程序
test.py-------------------测试程序

在这里插入图片描述
程序中有详细的注释说明，需要修改的主要是一些路径，路径尽量使用反斜杠(/)。这里将含有程序的三个文件train.py 和test.py和data_helper.py在博客中展示：

train.py

import torch
import torch.nn as nn
import numpy as np
import torch.nn.init as init
import data_helper
from torchvision import transforms
import time
import os
import cv2

# 需要修改的地方：权值文件存放的路径改为自己想存放的路径,例如放在与train.py同级目录的pkl_new（新建）文件夹中
pkl_dir = "./pkl_new/"
if not os.path.exists(pkl_dir): os.makedirs(pkl_dir)

# 需要修改的地方：数据集文件路径 data_helper.py中的解压后的数据集路径
#程序自动判断是使用GPU还是CPU设备
device = torch.device("cuda:0" if (torch.cuda.is_available()) else "cpu")

trans = transforms.Compose(
    [
        transforms.ToTensor(),
        transforms.Normalize((.5, .5, .5), (.5, .5, .5))
    ]
)
# 本教程中需要修改的超参数
G_LR = 0.0002   #生成器的学习率
D_LR = 0.0002   #判别器的学习率
BATCHSIZE = 10  #batch_size的大小,可根据电脑内存进行修改
EPOCHES = 25    #训练次数(epoch)的数目

#使用正态分布初始化权重参数
def init_ws_bs(m):
    if isinstance(m, nn.ConvTranspose2d):
        init.normal_(m.weight.data, std=0.2)
        init.normal_(m.bias.data, std=0.2)

#定义生成器
class Generator(nn.Module):
    def __init__(self):
        super(Generator, self).__init__()
        self.deconv1 = nn.Sequential(
            nn.ConvTranspose2d(  # stride(input_w-1)+k-2*Padding
                in_channels=100,
                out_channels=64 * 8,
                kernel_size=4,
                stride=1,
                padding=0,
                bias=False,
            ),
            nn.BatchNorm2d(64 * 8),
            nn.ReLU(inplace=True),
        )
        self.deconv2 = nn.Sequential(
            nn.ConvTranspose2d(  # stride(input_w-1)+k-2*Padding
                in_channels=64 * 8,
                out_channels=64 * 4,
                kernel_size=4,
                stride=2,
                padding=1,
                bias=False,
            ),
            nn.BatchNorm2d(64 * 4),
            nn.ReLU(inplace=True),
        )
        self.deconv3 = nn.Sequential(
            nn.ConvTranspose2d(  # stride(input_w-1)+k-2*Padding
                in_channels=64 * 4,
                out_channels=64 * 2,
                kernel_size=4,
                stride=2,
                padding=1,
                bias=False,
            ),
            nn.BatchNorm2d(64 * 2),
            nn.ReLU(inplace=True),
        )
        self.deconv4 = nn.Sequential(
            nn.ConvTranspose2d(  # stride(input_w-1)+k-2*Padding
                in_channels=64 * 2,
                out_channels=64 * 1,
                kernel_size=4,
                stride=2,
                padding=1,
                bias=False,
            ),
            nn.BatchNorm2d(64),
            nn.ReLU(inplace=True),
        )
        self.deconv5 = nn.Sequential(
            nn.ConvTranspose2d(64, 3, 5, 3, 1, bias=False),
            nn.Tanh(),
        )

    def forward(self, x):
        x = self.deconv1(x)
        x = self.deconv2(x)
        x = self.deconv3(x)
        x = self.deconv4(x)
        x = self.deconv5(x)
        return x

#定义判别器
class Discriminator(nn.Module):
    def __init__(self):
        super(Discriminator, self).__init__()
        self.conv1 = nn.Sequential(
            nn.Conv2d(  # batchsize,3,96,96
                in_channels=3,
                out_channels=64,
                kernel_size=5,
                padding=1,
                stride=3,
                bias=False,
            ),
            nn.BatchNorm2d(64),
            nn.LeakyReLU(.2, inplace=True),

        )
        self.conv2 = nn.Sequential(
            nn.Conv2d(64, 64 * 2, 4, 2, 1, bias=False, ),  # batchsize,16,32,32
            nn.BatchNorm2d(64 * 2),
            nn.LeakyReLU(.2, inplace=True),

        )
        self.conv3 = nn.Sequential(
            nn.Conv2d(64 * 2, 64 * 4, 4, 2, 1, bias=False),
            nn.BatchNorm2d(64 * 4),
            nn.LeakyReLU(.2, inplace=True),

        )
        self.conv4 = nn.Sequential(
            nn.Conv2d(64 * 4, 64 * 8, 4, 2, 1, bias=False),
            nn.BatchNorm2d(64 * 8),
            nn.LeakyReLU(.2, inplace=True),

        )
        self.output = nn.Sequential(
            nn.Conv2d(64 * 8, 1, 4, 1, 0, bias=False),
            nn.Sigmoid()  #
        )

    def forward(self, x):
        x = self.conv1(x)
        x = self.conv2(x)
        x = self.conv3(x)
        x = self.conv4(x)
        x = self.output(x)
        return x

#将生成器和判别器进行实例化并将其放如GPU/CPU中
g = Generator().to(device)
d = Discriminator().to(device)
#初始化权重参数
init_ws_bs(g), init_ws_bs(d)

#定义优化器
g_optimizer = torch.optim.Adam(g.parameters(), betas=(.5, 0.999), lr=G_LR)
d_optimizer = torch.optim.Adam(d.parameters(), betas=(.5, 0.999), lr=D_LR)
#定义损失函数，使用BCE_loss
g_loss_func = nn.BCELoss()
d_loss_func = nn.BCELoss()

#产生标签
label_real = torch.ones(BATCHSIZE).to(device)
label_fake = torch.zeros(BATCHSIZE).to(device)

#得到训练数据的图片
real_img = data_helper.get_imgs()
print("数据集的图片数目：",len(real_img))

#计算程序运行时间
torch.cuda.synchronize()
start = time.time()

#开始训练
for epoch in range(EPOCHES):
    # np.random.shuffle(real_img)
    count = 0
    batch_imgs = []
    for i in range(1000):   #注意，此处相当于选取了1000张图片作为训练数据集
        count = count + 1
        batch_imgs.append(trans(real_img[i]).numpy())  # tensor类型#这里经过trans操作通道维度从第四个到第二个了

        if count == BATCHSIZE:
            count = 0

            #真样本转化为张量
            batch_real = torch.Tensor(batch_imgs).to(device)
            batch_imgs.clear()
            d_optimizer.zero_grad()
            pre_real = d(batch_real).squeeze()
            d_real_loss = d_loss_func(pre_real, label_real)
            d_real_loss.backward()

            #假样本转化为张量
            batch_fake = torch.randn(BATCHSIZE, 100, 1, 1).to(device)
            img_fake = g(batch_fake).detach()
            pre_fake = d(img_fake).squeeze()
            d_fake_loss = d_loss_func(pre_fake, label_fake)
            d_fake_loss.backward()

            #首先，判别器进行梯度更新
            d_optimizer.step()

            #其次，生成器进行梯度更新
            g_optimizer.zero_grad()
            batch_fake = torch.randn(BATCHSIZE, 100, 1, 1).to(device)
            img_fake = g(batch_fake)
            pre_fake = d(img_fake).squeeze()
            g_loss = g_loss_func(pre_fake, label_real)
            g_loss.backward()
            g_optimizer.step()

            #打印出LOSS结果
            print("epoch: {} \\t imgnum:{} \\t D_loss:{} \\t G_loss：{} \\t".format(epoch,i, \\
                  (d_real_loss + d_fake_loss).detach().cpu().numpy(), g_loss.detach().cpu().numpy()))

            #保存模型的权值文件------------------【权值文件路径需要修改】--------------
            torch.save(g, pkl_dir + str(epoch) + "g.pkl")

    if(epoch == 0 ):
        print("每个enpoch运行时间：", time.time() - start)
        print("预估总运行时间(min)：", ((time.time() - start) * EPOCHES)/60)

test.py

import torch.nn as nn
import torch
import cv2
import os

# 路径改为反斜杠，在linux和windows中都可使用
pkl_dir = "D:/DCGAN/pkl/25g.pkl"
# 在同目录下建立一个bitmap_epoch10文件夹
test_dir = "bitmaps_epoch10/"
if not os.path.exists(test_dir): os.makedirs(test_dir)
device = torch.device("cuda:0" if (torch.cuda.is_available()) else "cpu")

class Generator(nn.Module):
    def __init__(self):
        super(Generator, self).__init__()
        self.deconv1 = nn.Sequential(
            nn.ConvTranspose2d(  # stride(input_w-1)+k-2*Padding
                in_channels=100,
                out_channels=64 * 8,
                kernel_size=4,
                stride=1,
                padding=0,
                bias=False,
            ),
            nn.BatchNorm2d(64 * 8),
            nn.ReLU(inplace=True),

        )  # 14
        self.deconv2 = nn.Sequential(
            nn.ConvTranspose2d(  # stride(input_w-1)+k-2*Padding
                in_channels=64 * 8,
                out_channels=64 * 4,
                kernel_size=4,
                stride=2,
                padding=1,
                bias=False,
            ),
            nn.BatchNorm2d(64 * 4),
            nn.ReLU(inplace=True),

        )  # 24
        self.deconv3 = nn.Sequential(
            nn.ConvTranspose2d(  # stride(input_w-1)+k-2*Padding
                in_channels=64 * 4,
                out_channels=64 * 2,
                kernel_size=4,
                stride=2,
                padding以上是关于层次3 DCGAN动漫图像生成的主要内容，如果未能解决你的问题，请参考以下文章 
 DCGAN---生成动漫头像
 DCGAN---生成动漫头像
 深度学习之基于DCGAN实现动漫人物的生成
 深度学习100例-生成对抗网络（DCGAN）生成动漫小姐姐 | 第20天
 深度学习100例-生成对抗网络（DCGAN）生成动漫小姐姐 | 第20天
 深度卷积生成对抗网络（DCGAN）简介及图像生成仿真（附代码）