深度图像类比项目教程

深度图像类比项目教程

Deep-Image-Analogy The source code of 'Visual Attribute Transfer through Deep Image Analogy'. 项目地址: https://gitcode.com/gh_mirrors/de/Deep-Image-Analogy

1. 项目介绍

深度图像类比（Deep Image Analogy）是一个开源项目，它利用深度学习技术，通过特征提取和匹配，实现了图像之间的视觉属性转移。该项目基于深度卷积神经网络（Deep Convolutional Neural Network，DCNN）提取图像特征，并进行图像间的类比，以达到风格迁移、图像转换等效果。

项目的主要贡献者包括Jing Liao、Yuan Yao、Lu Yuan、Gang Hua和Sing Bing Kang，他们在SIGGRAPH 2017论文中首次描述了这项技术。

2. 项目快速启动

环境准备

• 操作系统：Windows 7/8/10（Linux或macOS用户请检查linux分支）
• CUDA版本：8或7.5
• 开发环境：Visual Studio 2013

构建步骤

1. 首先根据Caffe官方教程构建Caffe。
2. 编辑windows/deep_image_analogy/deep_image_analogy.vcxproj文件，确保CUDA版本与你的环境匹配。
3. 在Caffe解决方案中添加deep_image_analogy项目，并构建该项目。

模型下载

在运行演示之前，需要下载VGG-19模型。进入windows/deep_image_analogy/models/vgg19/文件夹，并下载：

http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_19_layers.caffemodel

运行演示

打开windows/deep_image_analogy/source/main.cpp查看如何运行演示。需要设置以下参数：

• path_model：VGG-19模型的路径。
• path_A：输入图像A的路径。
• path_BP：输入图像BP的路径。
• path_output：输出路径。
• GPU Number：运行实验的GPU ID。
• Ratio：输入图像缩放比例。
• Blend Weight：混合过程中的权重级别。
• Flag of WLS Filter：如果是进行照片风格迁移，建议开启WLS过滤器。

也提供了一个预编译的可执行文件在windows/deep_image_analogy/exe/文件夹中，可以直接运行。

运行deep_image_analogy.exe的命令行示例：

deep_image_analogy.exe ../models/ ../demo/content.png ../demo/style.png ../demo/output/ 0 0.5 2 0

3. 应用案例和最佳实践

应用案例

• 照片到风格：将绘画风格迁移到照片。
• 风格到风格：在两个艺术品之间交换风格。
• 风格到照片：将草图或绘画转换为照片。
• 照片到照片：在两张照片之间进行颜色迁移，例如生成时间流逝效果。

最佳实践

• 对于不同的应用案例，建议的参数设置如下：
  • 照片到风格：blend weight=3，ratio=0.5（面部）或ratio=1（其他）。
  • 风格到风格：blend weight=3，ratio=1。
  • 风格到照片：blend weight=2，ratio=0.5。
  • 照片到照片：blend weight=3，ratio=1。

4. 典型生态项目

深度图像类比项目是基于以下开源项目构建的：

• Caffe：一个开源的深度学习框架。
• Eigen：一个高级的C++库，用于线性代数、矩阵和向量运算。
• PatchMatch：一种图像匹配算法。
• CudaLBFGS：一个基于CUDA的LBFGS优化算法。

以上是深度图像类比项目的简要教程，希望对您有所帮助。

Deep-Image-Analogy The source code of 'Visual Attribute Transfer through Deep Image Analogy'. 项目地址: https://gitcode.com/gh_mirrors/de/Deep-Image-Analogy