14、使用CycleGAN和SimGAN进行图像风格迁移与逼真化处理

使用CycleGAN和SimGAN进行图像风格迁移与逼真化处理

1. CycleGAN训练方法

CycleGAN的训练方法与DCGAN有一些关键的不同之处。主要体现在数据收集方式和多个判别器的训练上。以下是详细步骤：
1. 定义训练方法 ：

def train(self):
    for e in range(self.EPOCHS):
        b = 0
        X_train_A_temp = deepcopy(self.X_train_A)
        X_train_B_temp = deepcopy(self.X_train_B)
        while min(len(X_train_A_temp),len(X_train_B_temp))>self.BATCH:
            b=b+1

由于每个批次代表一张图像，所以不要求每个域中的图像数量相同。当A和B中较小的图像数组没有更多图像时，一个epoch结束。
2. 获取训练批次的真实图像 ：

count_real_images = int(self.BATCH)
starting_indexs = randint(0, (min(len(X_train_A_temp),len(X_train_B_temp)) - count_real_images))
real_images_raw_A = X_train_A_temp[