Передача нейронного стиля с использованием глубокого обучения

В этом примере показано, как применить стилистический внешний вид одного изображения к содержимому сцены второго изображения с помощью предварительно обученной VGG-19 сети [1].

Загрузка данных

Загрузите изображение стиля и изображение содержимого. Этот пример использует отличительную картину Ван Гога «Звездная ночь» в качестве изображения стиля и фотографию маяка в качестве изображения содержимого.

styleImage = im2double(imread('starryNight.jpg'));
contentImage = imread('lighthouse.png');

Отобразите изображение стиля и изображение содержимого как монтаж.

imshow(imtile({styleImage,contentImage},'BackgroundColor','w'));

Загрузка сети редукции данных

В этом примере вы используете измененную предварительно обученную VGG-19 глубокую нейронную сеть, чтобы извлечь функции изображения содержимого и стиля в различных слоях. Эти многослойные функции используются для вычисления соответствующего содержимого и потерь стиля. Сеть генерирует стилизованное передаточное изображение с помощью комбинированных потерь.

Чтобы получить предварительно обученную VGG-19 сеть, установите vgg19 (Deep Learning Toolbox). Если у вас нет установленных необходимых пакетов поддержки, то программное обеспечение предоставляет ссылку на загрузку.

net = vgg19;

Чтобы сделать VGG-19 сеть подходящей для редукции данных, удалите все полносвязные слои из сети.

lastFeatureLayerIdx = 38;
layers = net.Layers;
layers = layers(1:lastFeatureLayerIdx);

Максимальные слои объединения VGG-19 сети вызывают эффект затухания. Чтобы уменьшить эффект затухания и увеличить градиентный поток, замените все максимальные слои объединения средними слоями объединения [1].

for l = 1:lastFeatureLayerIdx
    layer = layers(l);
    if isa(layer,'nnet.cnn.layer.MaxPooling2DLayer')
        layers(l) = averagePooling2dLayer(layer.PoolSize,'Stride',layer.Stride,'Name',layer.Name);
    end
end

Создайте график слоев с измененными слоями.

lgraph = layerGraph(layers);

Визуализация сети редукции данных на графике.

plot(lgraph)
title('Feature Extraction Network')

Чтобы обучить сеть с помощью пользовательского цикла обучения и включить автоматическую дифференциацию, преобразуйте график слоев в dlnetwork объект.

dlnet = dlnetwork(lgraph);

Предварительная обработка данных

Измените размер изображения стиля и изображения содержимого на меньший размер для более быстрой обработки.

imageSize = [384,512];
styleImg = imresize(styleImage,imageSize);
contentImg = imresize(contentImage,imageSize);

Предварительно обученная VGG-19 сеть выполняет классификацию на вычитаемом по каналу изображении. Получите среднее значение по каналу из входного слоя изображения, который является первым слоем в сети.

imgInputLayer = lgraph.Layers(1);
meanVggNet = imgInputLayer.Mean(1,1,:);

Значения среднего по каналу подходят для изображений типа данных с плавающей точкой со значениями пикселей в области значений [0, 255]. Преобразуйте изображение стиля и изображение содержимого в тип данных single с областью значений [0, 255]. Затем вычесть среднее значение канала из изображения стиля и изображения содержимого.

styleImg = rescale(single(styleImg),0,255) - meanVggNet;
contentImg = rescale(single(contentImg),0,255) - meanVggNet;

Инициализация передаточного изображения

Передаточное изображение является выходным изображением в результате передачи стиля. Можно инициализировать изображение переноса с помощью изображения стиля, изображения содержимого или любого случайного изображения. Инициализация с изображением стиля или изображением содержимого смещает процесс передачи стиля и создает передаточное изображение, более похожее на входное изображение. Напротив, инициализация с белым шумом удаляет смещение, но занимает больше времени, чтобы сходиться на стилизованном изображении. Для лучшей стилизации и более быстрой сходимости этот пример инициализирует выход передаточное изображение как взвешенную комбинацию содержимого изображения и белого шумового изображения.

noiseRatio = 0.7;
randImage = randi([-20,20],[imageSize 3]);
transferImage = noiseRatio.*randImage + (1-noiseRatio).*contentImg;

Определите функции потерь и передаточные параметры стиля

Потеря содержимого

Цель потери содержимого состоит в том, чтобы признаки передаточного изображения совпадали с особенностями содержимого изображения. Потеря содержимого вычисляется как среднее квадратное различие между функциями изображения содержимого и функциями передающего изображения для каждого слоя функции содержимого [1]. Yˆ - предсказанная карта функций для передаточного изображения и Y - предсказанная карта функций для изображения содержимого. Wcl - вес слоя содержимого для lth слой. H,W,C- высота, ширина и каналы карт функций, соответственно.

Lcontent=lWcl×1HWCi,j(Yˆi,jl-Yi,jl)2

Задайте имена слоев редукции данных содержимого. Извлеченные из этих слоев функции используются для вычисления потерь содержимого. В VGG-19 сети обучение более эффективно с использованием функций из более глубоких слоев, а не функций из мелких слоев. Поэтому задайте слой редукции данных содержимого как четвертый сверточный слой.

styleTransferOptions.contentFeatureLayerNames = {'conv4_2'};

Задайте веса слоев редукции данных содержимого.

styleTransferOptions.contentFeatureLayerWeights = 1;

Потеря стиля

Цель потери стиля состоит в том, чтобы текстура передаточного изображения совпадала с текстурой стилевого изображения. Представление стиля изображения представлено в виде матрицы Gram. Поэтому потеря стиля вычисляется как среднее квадратное различие между матрицей Gram изображения стиля и матрицей Gram передаточного изображения [1]. Z и Zˆ являются предсказанными картами функций для стиля и передаточного изображения, соответственно. GZ и GZˆ являются матрицами граммов для функций стиля и передаточных функций, соответственно. Wsl - вес слоя стиля для lth слой стиля.

GZˆ=i,jZˆi,j×Zˆj,i

GZ=i,jZi,j×Zj,i

Lstyle=lWsl×1(2HWC)2(GZˆl-GZl)2

Задайте имена слоев редукции данных стиля. Извлеченные из этих слоев функции используются для вычисления потерь стиля.

styleTransferOptions.styleFeatureLayerNames = {'conv1_1','conv2_1','conv3_1','conv4_1','conv5_1'};

Задайте веса слоев редукции данных стиля. Задайте малые веса для изображений простого стиля и увеличьте веса для изображений сложного стиля.

styleTransferOptions.styleFeatureLayerWeights = [0.5,1.0,1.5,3.0,4.0];

Общая потеря

Общая потеря - это взвешенная комбинация потерь содержимого и потерь стиля. α и β являются весовыми коэффициентами для потери содержимого и потери стиля, соответственно.

Ltotal=α×Lcontent+β×Lstyle

Задайте весовые коэффициенты alpha и beta для потерь содержимого и стилей. Отношение alpha на beta должно быть около 1e-3 или 1e-4 [1].

styleTransferOptions.alpha = 1; 
styleTransferOptions.beta = 1e3;

Настройка опций обучения

Обучите для 2500 итераций.

numIterations = 2500;

Задайте опции для оптимизации Adam. Установите скорость обучения равной 2 для более быстрого сходимости. Можно экспериментировать со скоростью обучения, наблюдая за выходным изображением и потерями. Инициализируйте конечный средний градиент и конечный средний градиент-квадратные скорости распада с [].

learningRate = 2;
trailingAvg = [];
trailingAvgSq = [];

Обучите сеть

Преобразуйте изображение стиля, изображение содержимого и передайте изображение в dlarray (Deep Learning Toolbox) объекты с базовым типом single и размерность метки 'SSC'.

dlStyle = dlarray(styleImg,'SSC');
dlContent = dlarray(contentImg,'SSC');
dlTransfer = dlarray(transferImage,'SSC');

Обучите на графическом процессоре, если он доступен. Для использования GPU требуется Parallel Computing Toolbox™ и графический процессор с поддержкой CUDA ® NVIDIA ®. Для получения дополнительной информации смотрите Поддержку GPU by Release (Parallel Computing Toolbox). Для обучения графический процессор преобразуйте данные в gpuArray.

if canUseGPU
    dlContent = gpuArray(dlContent);
    dlStyle = gpuArray(dlStyle);
    dlTransfer = gpuArray(dlTransfer);
end

Извлеките функции содержимого из изображения содержимого.

numContentFeatureLayers = numel(styleTransferOptions.contentFeatureLayerNames);
contentFeatures = cell(1,numContentFeatureLayers);
[contentFeatures{:}] = forward(dlnet,dlContent,'Outputs',styleTransferOptions.contentFeatureLayerNames);

Извлечение функций стиля из изображения стиля.

numStyleFeatureLayers = numel(styleTransferOptions.styleFeatureLayerNames);
styleFeatures = cell(1,numStyleFeatureLayers);
[styleFeatures{:}] = forward(dlnet,dlStyle,'Outputs',styleTransferOptions.styleFeatureLayerNames);

Обучите модель с помощью пользовательского цикла обучения. Для каждой итерации:

  • Вычислите потери и потери стиля содержимого с помощью функций изображения содержимого, изображения стиля и изображения переноса. Чтобы вычислить потери и градиенты, используйте функцию helper imageGradients (определено в разделе Вспомогательные функции этого примера).

  • Обновите передаточное изображение с помощью adamupdate (Deep Learning Toolbox) функция.

  • Выберите лучшее изображение переноса стиля в качестве конечного выходного изображения.

figure

minimumLoss = inf;

for iteration = 1:numIterations
    % Evaluate the transfer image gradients and state using dlfeval and the
    % imageGradients function listed at the end of the example. 
    [grad,losses] = dlfeval(@imageGradients,dlnet,dlTransfer,contentFeatures,styleFeatures,styleTransferOptions);
    [dlTransfer,trailingAvg,trailingAvgSq] = adamupdate(dlTransfer,grad,trailingAvg,trailingAvgSq,iteration,learningRate);
  
    if losses.totalLoss < minimumLoss
        minimumLoss = losses.totalLoss;
        dlOutput = dlTransfer;        
    end   
    
    % Display the transfer image on the first iteration and after every 50
    % iterations. The postprocessing steps are described in the "Postprocess
    % Transfer Image for Display" section of this example.
    if mod(iteration,50) == 0 || (iteration == 1)
        
        transferImage = gather(extractdata(dlTransfer));
        transferImage = transferImage + meanVggNet;
        transferImage = uint8(transferImage);
        transferImage = imresize(transferImage,size(contentImage,[1 2]));
        
        image(transferImage)
        title(['Transfer Image After Iteration ',num2str(iteration)])
        axis off image
        drawnow
    end   
    
end

Передаточное изображение постпроцессной обработки для отображения

Получите обновленное изображение передачи.

transferImage = gather(extractdata(dlOutput));

Добавьте обученное сетью среднее значение к изображению передачи.

transferImage = transferImage + meanVggNet;

Некоторые значения пикселей могут превысить исходную область значений [0, 255] изображения содержимого и стиля. Можно отсечь значения в область значений [0, 255], преобразовав тип данных в uint8.

transferImage = uint8(transferImage);

Измените размер передаточного изображения на исходный размер содержимого изображения.

transferImage = imresize(transferImage,size(contentImage,[1 2]));

Отобразите изображение содержимого, передайте изображение и стиль изображения в монтаже.

imshow(imtile({contentImage,transferImage,styleImage}, ...
    'GridSize',[1 3],'BackgroundColor','w'));

Вспомогательные функции

Вычисление потерь изображений и градиентов

The imageGradients Функция helper возвращает потери и градиенты, используя функции изображения содержимого, изображения стиля и передаточного изображения.

function [gradients,losses] = imageGradients(dlnet,dlTransfer,contentFeatures,styleFeatures,params)
 
    % Initialize transfer image feature containers. 
    numContentFeatureLayers = numel(params.contentFeatureLayerNames);
    numStyleFeatureLayers = numel(params.styleFeatureLayerNames);
 
    transferContentFeatures = cell(1,numContentFeatureLayers);
    transferStyleFeatures = cell(1,numStyleFeatureLayers);
 
    % Extract content features of transfer image.
    [transferContentFeatures{:}] = forward(dlnet,dlTransfer,'Outputs',params.contentFeatureLayerNames);
     
    % Extract style features of transfer image.
    [transferStyleFeatures{:}] = forward(dlnet,dlTransfer,'Outputs',params.styleFeatureLayerNames);
 
    % Compute content loss. 
    cLoss = contentLoss(transferContentFeatures,contentFeatures,params.contentFeatureLayerWeights);
 
    % Compute style loss. 
    sLoss = styleLoss(transferStyleFeatures,styleFeatures,params.styleFeatureLayerWeights);
 
    % Compute final loss as weighted combination of content and style loss. 
    loss = (params.alpha * cLoss) + (params.beta * sLoss);
 
    % Calculate gradient with respect to transfer image.
    gradients = dlgradient(loss,dlTransfer);
    
    % Extract various losses. 
    losses.totalLoss = gather(extractdata(loss));
    losses.contentLoss = gather(extractdata(cLoss));
    losses.styleLoss = gather(extractdata(sLoss));
 
end

Вычисление потерь содержимого

The contentLoss Функция helper вычисляет средневзвешенное квадратное различие между признаками изображения содержимого и функциями передаточного изображения.

function loss = contentLoss(transferContentFeatures,contentFeatures,contentWeights)

    loss = 0;
    for i=1:numel(contentFeatures)
        temp = 0.5 .* mean((transferContentFeatures{1,i} - contentFeatures{1,i}).^2,'all');
        loss = loss + (contentWeights(i)*temp);
    end
end

Вычисление потерь стиля

The styleLoss Функция helper вычисляет средневзвешенное квадратное различие между матрицей Gram функций изображения стиля и матрицей Gram функций изображения переноса.

function loss = styleLoss(transferStyleFeatures,styleFeatures,styleWeights)

    loss = 0;
    for i=1:numel(styleFeatures)
        
        tsf = transferStyleFeatures{1,i};
        sf = styleFeatures{1,i};    
        [h,w,c] = size(sf);
        
        gramStyle = computeGramMatrix(sf);
        gramTransfer = computeGramMatrix(tsf);
        sLoss = mean((gramTransfer - gramStyle).^2,'all') / ((h*w*c)^2);
        
        loss = loss + (styleWeights(i)*sLoss);
    end
end

Вычислительная матрица грамма

The computeGramMatrix helper function используется в styleLoss вспомогательная функция для вычисления матрицы Gram карты признаков.

function gramMatrix = computeGramMatrix(featureMap)
    [H,W,C] = size(featureMap);
    reshapedFeatures = reshape(featureMap,H*W,C);
    gramMatrix = reshapedFeatures' * reshapedFeatures;
end

Ссылки

[1] Леон А. Гатис, Александр С. Эккер и Маттиас Бетж. Нейронный алгоритм художественного стиля. Препринт, представленный 2 сентября 2015 года. https://arxiv.org/abs/1508.06576

См. также

(Deep Learning Toolbox) | (Deep Learning Toolbox) | (Deep Learning Toolbox) | (Deep Learning Toolbox)

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте