python_style_transfer

• 建立virtual env與安裝package:

conda create -n style_env python=3.7.9
conda activate style_env
pip install -r function_ref/style_requirements.txt

使用方式

• demo code(可參照test_script.py):

import neural_style_transfer as ns
content_path = 'function_ref/content.jpg'
style_path = 'function_ref/transfer_style1.jpg'
save_dir = 'transfer_result'
ns.main_transfer(content_path, style_path, save_dir, style_weight=0.1, content_weight=100, epochs=5, steps_per_epoch=30)

參數說明

1. 目前版本為0.1.0
2. neural_style_transfer中main_transfer各項參數說明
   • content_path: 內容圖片的路徑
   • style_path: 欲提取繪圖風格的圖片路徑，可以參考function_ref中提供的style
   • save_dir: 風格轉移完成後的圖片存檔位置
   • style_weight: 風格圖片的權重，預設為1
   • content_weight: 內容圖片的權重，預設為100
   • epochs: 訓練的epoch總數，預設為1
   • steps_per_epoch: 每個epoch中訓練的步長，預設為20
3. main_transfer流程說明:
   • Extract style and content:
     • 在圖像上調用此模型，可以返回style_layers的gram矩陣(風格)和content_layers的內容
   • Run gradient descent:
     • 使用extractor提取style和content的內容
     • 定義一個tf.Variable來表示要迭代的圖像(size需與content圖像相同)
   • Create an optimizer:
     • 建立optimizers，程式內使用Adam，其參數可以自己修改或是使用其他optimizer
   • start iteration:
     • 針對設定的epochs與steps_per_epoch進行訓練，根據梯度下降的方式來優化目標並透過style_content_loss計算風格的總體損失
     • 將每個epoch的圖片存於save_dir中

參考資料

• style_transfer in tensorflow
• A Neural Algorithm of Artistic Style
• gram matrix