原文：TensorFlow - CycleGAN

该文主要介绍使用CycleGAN 进行未配对图像到图像转换，参考论文 Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks - 2017， 提出了一种可以捕捉图像域特征并找出如何将这些特征转换为另一个图像域的方法，而无需任何成对的训练样本.

这里假定已经熟悉 Pix2Pix，可以参考 TF官方GAN教程-Pix2Pix. CycleGAN 的代码与其相似，主要区别在于额外的损失函数，以及非配对训练数据的使用.

CycleGAN 使用循环一致损失来使训练过程无需配对数据. 换句话说，它可以从一个域转换到另一个域，而不需要在源域与目标域之间进行一对一映射.

这为完成许多有趣的任务开辟了可能性，例如照片增强、图片着色、风格迁移等. 所需要的只是源数据集和目标数据集(仅仅是图片目录).

1. 配置

pip install tensorflow_datasets
#注
#pip install tensorflow-gpu==2.0
#pip install tensorflow_datasets==2.1.0

导入相关库：

import os
import time
import matplotlib.pyplot as plt

import tensorflow as tf
import tensorflow_datasets as tfds
from tensorflow_examples.models.pix2pix import pix2pix

tfds.disable_progress_bar()
AUTOTUNE = tf.data.experimental.AUTOTUNE

2. 输入 Pipline

训练一个模型，以将普通马图片转换为斑马图片.

如论文 Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks - 2017, 将随机抖动和镜像应用到训练集. 这是一些避免过拟合的图像增强技术.

类似于 TF官方GAN教程-Pix2Pix:

[1] - 在随机抖动中，图片大小调整为 286 x 286，随后被随机裁剪为 256 x 256.

[2] - 在随机镜像中，图片会从左到右随机翻转.

dataset, metadata = tfds.load('cycle_gan/horse2zebra', with_info=True, as_supervised=True)

train_horses, train_zebras = dataset['trainA'], dataset['trainB']
test_horses, test_zebras = dataset['testA'], dataset['testB']

#
BUFFER_SIZE = 1000
BATCH_SIZE = 1
IMG_WIDTH = 256
IMG_HEIGHT = 256

#
def random_crop(image):
  cropped_image = tf.image.random_crop(
      image, size=[IMG_HEIGHT, IMG_WIDTH, 3])

  return cropped_image

# 将图像归一化到区间 [-1, 1] 内. 
def normalize(image):
  image = tf.cast(image, tf.float32)
  image = (image / 127.5) - 1
  return image

def random_jitter(image):
  # 调整大小为 286 x 286 x 3
  image = tf.image.resize(image, [286, 286],
                          method=tf.image.ResizeMethod.NEAREST_NEIGHBOR)

  # 随机裁剪到 256 x 256 x 3
  image = random_crop(image)

  # 随机镜像
  image = tf.image.random_flip_left_right(image)

  return image

def preprocess_image_train(image, label):
  image = random_jitter(image)
  image = normalize(image)
  return image

def preprocess_image_test(image, label):
  image = normalize(image)
  return image

#
train_horses = train_horses.map(
    preprocess_image_train, num_parallel_calls=AUTOTUNE).cache().shuffle(
    BUFFER_SIZE).batch(1)

train_zebras = train_zebras.map(
    preprocess_image_train, num_parallel_calls=AUTOTUNE).cache().shuffle(
    BUFFER_SIZE).batch(1)

test_horses = test_horses.map(
    preprocess_image_test, num_parallel_calls=AUTOTUNE).cache().shuffle(
    BUFFER_SIZE).batch(1)

test_zebras = test_zebras.map(
    preprocess_image_test, num_parallel_calls=AUTOTUNE).cache().shuffle(
    BUFFER_SIZE).batch(1)

#
sample_horse = next(iter(train_horses))
sample_zebra = next(iter(train_zebras))

plt.figure()
plt.subplot(121)
plt.title('Horse')
plt.imshow(sample_horse[0] * 0.5 + 0.5)

plt.subplot(122)
plt.title('Horse with random jitter')
plt.imshow(random_jitter(sample_horse[0]) * 0.5 + 0.5)
plt.show()

#
plt.figure()
plt.subplot(121)
plt.title('Zebra')
plt.imshow(sample_zebra[0] * 0.5 + 0.5)

plt.subplot(122)
plt.title('Zebra with random jitter')
plt.imshow(random_jitter(sample_zebra[0]) * 0.5 + 0.5)

3. 导入并重用 Pix2Pix 模型

通过安装的 tensorflow_examples 包导入 Pix2Pix 中的生成器和判别器.

这里，使用模型体系结构与 pix2pix 中所使用的非常相似. 一些区别在于：

[1] - Cyclegan 使用 instance normalization(实例归一化)而不是 batch normalization (批归一化).

[2] - CycleGAN 论文使用一种基于 resnet 的改进生成器. 简单起见，这里使用的是改进的 unet 生成器.

这里训练了两个生成器(G 和 F)以及两个判别器(X 和 Y).

  • 生成器 G 学习将图片 X 转换为 Y. $G:(X \rightarrow Y)$
  • 生成器 F 学习将图片 Y 转换为 X. $F: Y \rightarrow X$
  • 判别器 D_X 学习区分图片 X 与生成的图片 $X(F(Y))$.
  • 判别器 D_Y 学习区分图片 Y 与生成的图片 $Y(G(X))$.

OUTPUT_CHANNELS = 3

generator_g = pix2pix.unet_generator(OUTPUT_CHANNELS, norm_type='instancenorm')
generator_f = pix2pix.unet_generator(OUTPUT_CHANNELS, norm_type='instancenorm')

discriminator_x = pix2pix.discriminator(norm_type='instancenorm', target=False)
discriminator_y = pix2pix.discriminator(norm_type='instancenorm', target=False)

to_zebra = generator_g(sample_horse)
to_horse = generator_f(sample_zebra)
plt.figure(figsize=(8, 8))
contrast = 8

imgs = [sample_horse, to_zebra, sample_zebra, to_horse]
title = ['Horse', 'To Zebra', 'Zebra', 'To Horse']

for i in range(len(imgs)):
  plt.subplot(2, 2, i+1)
  plt.title(title[i])
  if i % 2 == 0:
    plt.imshow(imgs[i][0] * 0.5 + 0.5)
  else:
    plt.imshow(imgs[i][0] * 0.5 * contrast + 0.5)
plt.show()

plt.figure(figsize=(8, 8))

plt.subplot(121)
plt.title('Is a real zebra?')
plt.imshow(discriminator_y(sample_zebra)[0, ..., -1], cmap='RdBu_r')

plt.subplot(122)
plt.title('Is a real horse?')
plt.imshow(discriminator_x(sample_horse)[0, ..., -1], cmap='RdBu_r')

plt.show()

4. 损失函数

在 CycleGAN 中，没有可训练的成对数据，因此无法保证输入 x 和 目标 y 数据对在训练期间是有意义的. 所以为了强制网络学习正确的映射，作者提出了循环一致损失.

判别器损失和生成器损失和 pix2pix 中所使用的类似.

LAMBDA = 10
loss_obj = tf.keras.losses.BinaryCrossentropy(from_logits=True)

def discriminator_loss(real, generated):
  real_loss = loss_obj(tf.ones_like(real), real)

  generated_loss = loss_obj(tf.zeros_like(generated), generated)

  total_disc_loss = real_loss + generated_loss

  return total_disc_loss * 0.5

def generator_loss(generated):
  return loss_obj(tf.ones_like(generated), generated)

循环一致意味着结果应接近原始输出. 例如，将一句英文译为法文，随后再从法文翻译回英文，最终的结果句应与原始句输入相同.

在循环一致损失中，

[1] - 图片 X 通过生成器 G 传递，该生成器生成图片 $\hat{Y}$.

[2] - 生成的图片 $\hat{Y}$ 通过生成器 F 传递，循环生成图片 $\hat{X}$.

[3] - 在 X 和 $\hat{X}$ 之间计算平均绝对误差.

$$ forward \ cycle \ consistency \ loss = X \rightarrow G(X) \rightarrow F(G(X)) \backsim \hat{X} $$

$$ backward \ cycle \ consistency \ loss = Y \rightarrow F(Y) \rightarrow G(F(Y)) \backsim \hat{Y} $$

def calc_cycle_loss(real_image, cycled_image):
  loss1 = tf.reduce_mean(tf.abs(real_image - cycled_image))
  
  return LAMBDA * loss1

如上所示，生成器 G 负责将图片 X 转换为 Y. 一致性损失表明，如果将图片 Y 馈送给生成器 G，它应当生成真实图片 Y 或接近于 Y 的图片.

$$ Identity \ loss = |G(Y) - Y| + |F(X) - X| $$

def identity_loss(real_image, same_image):
  loss = tf.reduce_mean(tf.abs(real_image - same_image))
  return LAMBDA * 0.5 * loss

为所有生成器和判别器初始化优化器.

generator_g_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)
generator_f_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)

discriminator_x_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)
discriminator_y_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)

5. Checkpoints

checkpoint_path = "./checkpoints/train"

ckpt = tf.train.Checkpoint(generator_g=generator_g,
                           generator_f=generator_f,
                           discriminator_x=discriminator_x,
                           discriminator_y=discriminator_y,
                           generator_g_optimizer=generator_g_optimizer,
                           generator_f_optimizer=generator_f_optimizer,
                           discriminator_x_optimizer=discriminator_x_optimizer,
                           discriminator_y_optimizer=discriminator_y_optimizer)

ckpt_manager = tf.train.CheckpointManager(ckpt, checkpoint_path, max_to_keep=5)

# 如果存在检查点，恢复最新版本检查点
if ckpt_manager.latest_checkpoint:
  ckpt.restore(ckpt_manager.latest_checkpoint)
  print ('Latest checkpoint restored!!')

6. 训练

这里仅对模型训练少量 epochs，如40, 预测的准确率可能会低一些. 而论文里为 200 epochs.

EPOCHS = 40

def generate_images(model, test_input):
  prediction = model(test_input)
    
  plt.figure(figsize=(12, 12))

  display_list = [test_input[0], prediction[0]]
  title = ['Input Image', 'Predicted Image']

  for i in range(2):
    plt.subplot(1, 2, i+1)
    plt.title(title[i])
    # 获取范围在 [0, 1] 之间的像素值以绘制它. 
    plt.imshow(display_list[i] * 0.5 + 0.5)
    plt.axis('off')
  plt.show()

尽管训练循环看起来很复杂，其实包含四个基本步骤：

[1] - 获取预测.

[2] - 计算损失值.

[3] - 使用反向传播计算损失值.

[4] - 将梯度应用于优化器.

@tf.function
def train_step(real_x, real_y):
  # persistent 设置为 Ture，因为 GradientTape 被多次应用于计算梯度. 
  with tf.GradientTape(persistent=True) as tape:
    # 生成器 G 转换 X -> Y. 
    # 生成器 F 转换 Y -> X. 
    
    fake_y = generator_g(real_x, training=True)
    cycled_x = generator_f(fake_y, training=True)

    fake_x = generator_f(real_y, training=True)
    cycled_y = generator_g(fake_x, training=True)

    # same_x 和 same_y 用于一致性损失. 
    same_x = generator_f(real_x, training=True)
    same_y = generator_g(real_y, training=True)

    disc_real_x = discriminator_x(real_x, training=True)
    disc_real_y = discriminator_y(real_y, training=True)

    disc_fake_x = discriminator_x(fake_x, training=True)
    disc_fake_y = discriminator_y(fake_y, training=True)

    # 计算损失. 
    gen_g_loss = generator_loss(disc_fake_y)
    gen_f_loss = generator_loss(disc_fake_x)
    
    total_cycle_loss = calc_cycle_loss(real_x, cycled_x) + calc_cycle_loss(real_y, cycled_y)
    
    # 总生成器损失 = 对抗性损失 + 循环损失. 
    total_gen_g_loss = gen_g_loss + total_cycle_loss + identity_loss(real_y, same_y)
    total_gen_f_loss = gen_f_loss + total_cycle_loss + identity_loss(real_x, same_x)

    disc_x_loss = discriminator_loss(disc_real_x, disc_fake_x)
    disc_y_loss = discriminator_loss(disc_real_y, disc_fake_y)
  
  # 计算生成器和判别器损失. 
  generator_g_gradients = tape.gradient(total_gen_g_loss, 
                                        generator_g.trainable_variables)
  generator_f_gradients = tape.gradient(total_gen_f_loss, 
                                        generator_f.trainable_variables)
  
  discriminator_x_gradients = tape.gradient(disc_x_loss, 
                                            discriminator_x.trainable_variables)
  discriminator_y_gradients = tape.gradient(disc_y_loss, 
                                            discriminator_y.trainable_variables)
  
  # 将梯度应用于优化器. 
  generator_g_optimizer.apply_gradients(zip(generator_g_gradients, 
                                            generator_g.trainable_variables))

  generator_f_optimizer.apply_gradients(zip(generator_f_gradients, 
                                            generator_f.trainable_variables))
  
  discriminator_x_optimizer.apply_gradients(zip(discriminator_x_gradients,
                                                discriminator_x.trainable_variables))
  
  discriminator_y_optimizer.apply_gradients(zip(discriminator_y_gradients,
                                                discriminator_y.trainable_variables))

#
for epoch in range(EPOCHS):
  start = time.time()

  n = 0
  for image_x, image_y in tf.data.Dataset.zip((train_horses, train_zebras)):
    train_step(image_x, image_y)
    if n % 10 == 0:
      print ('.', end='')
    n+=1

  # 使用一致的图像(sample_horse)，以便模型的进度清晰可见. 
  generate_images(generator_g, sample_horse)

  if (epoch + 1) % 5 == 0:
    ckpt_save_path = ckpt_manager.save()
    print ('Saving checkpoint for epoch {} at {}'.format(epoch+1,
                                                         ckpt_save_path))

  print ('Time taken for epoch {} is {} sec\n'.format(epoch + 1,
                                                      time.time()-start))

7. 使用测试数据集进行生成

# 在测试数据集上运行训练的模型. 
for inp in test_horses.take(5):
  generate_images(generator_g, inp)

8. 总结

这里简单基于 TF官方GAN教程-Pix2Pix 实现的生成器和判别器来实现 CycleGAN. 也可以尝试使用TensorFlow 数据集 中的不同的数据集.

也可以训练更多的 epoch 以改进结果，或者可以实现论文中所使用的改进 ResNet 生成器来代替这里使用的 U-Net 生成器.

Last modification：November 10th, 2020 at 02:58 pm
© 允许规范转载