此项目使用Python2.7+TensorFlow 1.4编写,环境太过古老,可能无法正常运行起来。
如有需要,请移步我使用Python 3.7 + TensorFlow 2.0重写的版本:
DeepLearningExamples/tf2-neural-style-transfer
使用VGG19迁移学习实现图像风格迁移
这是一个使用预训练的VGG19网络完成图片风格迁移的项目,使用的语言为python,框架为tensorflow。
给定一张风格图片A和内容图片B,能够生成具备A图片风格和B图片内容的图片C。
下面给出两个示例,风格图片都使用梵高的星夜:
示例1:
网络上找到的一张风景图片。
内容图片:
生成图片:
示例2:
嗷嗷嗷,狼人嚎叫~
内容图片:
生成图片:
更多详情请移步博客https://blog.csdn.net/aaronjny/article/details/79681080
快速开始
1.下载预训练的vgg网络,并放入到项目的根目录中
模型有500M+,故没有放到GitHub上,有需要请自行下载。
下载地址:http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat
2.选定风格图片和内容图片,放入项目根目录下的images
文件夹中
在项目根目录下的images
文件夹中,有两张图片,分别为content.jpg
和style.jpg
,即内容图片和风格图片。
如果只是使用默认图片测试模型,这里可以不做任何操作。
如果要测试自定义的图片,请使用自定义的内容图片和/或
风格图片替换该目录下的内容图片和/或
风格图片,请保持命名与默认一致,或者在settings.py
中修改路径及名称。
3.开始生成图片
运行项目中的train.py
文件,进行训练。在训练过程中,程序会定期提示进度,并保存过程图片。
当训练结束后,保存最终生成图片。
所有生成的图片均保存在项目根目录下output
文件夹中。
4.更多设置
在settings.py
文件中存在多种配置项,可根据需求进行配置。