TensorFlow实现基于深度学习的图像补全

.sess.run([g_optim, self.g_sum],

feed_dict={ self.z: batch_z })

# Run g_optim twice to make sure thatd_loss does not go to zero (different from paper)

_, summary_str =self.sess.run([g_optim, self.g_sum],

feed_dict={ self.z: batch_z })

errD_fake =self.d_loss_fake.eval({self.z: batch_z})

errD_real =self.d_loss_real.eval({self.images: batch_images})

errG = self.g_loss.eval({self.z:batch_z})

搞定！当然，完全的代码会有更多的注释，可以在 model.py 中查看。

7.在图片集上跑DCGAN

如不雅你跳过了上一节，然则想跑跑代码，这部分代码在 bamos/dcgan-completion.tensorflow Github 库中。我要再次强调这个代率攀来自 Taehoon Kim 的 carpedm20/DCGAN-tensorflow 。在这里我们用我的看维是因为进行下一步比较便利。警告，如不雅你没有支撑CUDA的GPU，这部分收集的练习会异常慢。

起首，clone 我的 bamos/dcgan-completion.tensorflow Github库和 OpenFace 到本地。我们要用到 OpenFace 的 Python-Only 部分来进行图像预处理。别担心，你不须要安装OpenFace 的 Torch 依附。创建新目次， clone 下面的资本库。

git clonehttps://github.com/cmusatyalab/openface.git 
git clonehttps://github.com/bamos/dcgan-completion.tensorflow.git

接下来，安装 OpenCV 和支撑python2 的 dlib。如不雅你感兴趣，可以测验测验实现 dlib 对 python3 的支撑。安装时刻有一些小技能，我写了一些标记，在 OpenFace setup guide ，包含我安装的是那个版本、若何安装。接下来，安装 OpenFace 的python 库，如许我们可以对图像进行预处理。如不雅你不是用虚拟情况，在运行 setup.py 时你须要用 sudo 来进行全局安装。（如不雅对你来嗣魅这部分比较艰苦，也可以应用 OpenFace 的 Docker 安装。）

下面下载一小我脸图像数据集。数据集中有没有标注不重要，我们会删掉落它。不完全列表如下：MS-Celeb-1M,CelebA, CASIA-WebFace, FaceScrub, LFW, 和 MegaFace。将图片放在目次dcgan-completion.tensorflow/data/your-dataset/raw 下，注解它是数据集的原始数据。

如今我们用 OpenFace 的 alignment 对象将图像预处理为 64X64 的数据。

./openface/util/align-dlib.pydata/dcgan-completion.tensorflow/data/your-dataset/raw aligninnerEyesAndBottomLipdata/dcgan-completion.tensorflow/data/your-dataset/aligned --size 64

最后我们将处理好图像的目次展平，如许目次下只有图像，没有子文件夹。

cddcgan-completion.tensorflow/data/your-dataset/aligned 
 
find . -name'*.png' -exec mv {} . \; 
 
find . -type d-empty -delete 
 
cd ../../..

3.[ML-Heavy] 应用tensorflow来进行DCGAN图像补全

图像也应用了 poisson blending 来使图像变得腻滑。

如今我们可以练习 DCGAN 了。安装 Tensorflow ，开端练习。

./train-dcgan.py--dataset ./data/your-dataset/aligned --epoch 20

你可以在 sample 文件夹中查看大年夜生成器中随机抽样出来的样本发图像是什么样子。我在 CASIA-WebFace 数据集和 FaceScrub 数据集上练习，因为我手头就有这两个数据集。 14轮练习之后，我的样本是如许的。

在 CASIA-WebFace 和 FaceScrub 上练习14轮后的 DCGAN 的样本

7/10 首页上一页 5 6 7 8 9 10 下一页尾页

　　推荐阅读

　　机器学习PAI实践三：雾霾成因分析

一、背景本案其实是采取了两种不合的算法对于结不雅进行猜测，我们先来看看随机丛林这一分支。我们经由过程将数据集拆分，百分之八十的数据练习模型，百分之二十的数据猜测。最终模型的出>>>详细阅读

本文标题：TensorFlow实现基于深度学习的图像补全

地址：http://www.17bianji.com/lsqh/35350.html

1/2 1