上天看到deepnude給美女脫衣服的項目最近比較火，考慮到他們是用pixpix2模型搭建，必須得有嚴格的配對數(shù)據(jù)集，那么我將利用和他基本相當?shù)腸ycleGAN實現(xiàn)對男人脫上衣的實例。當然生成的圖像肯定是虛假的，僅作為參考使用。
下面簡單講一下cycleGAN的工作原理：首先其稱之為循環(huán)生成對抗式神經(jīng)網(wǎng)絡，了解過神經(jīng)網(wǎng)絡的朋友應該知道其中神經(jīng)網(wǎng)絡最基本的就是輸入層和輸出層的定義，一般將輸入層稱之為X，輸出層稱之Y，就像函數(shù)的映射關(guān)系一般。而cycle的意為不僅是X是輸入，而且需要Y也為輸入，進行循環(huán)交替，以保持他既具有X的特征，又具有Y的特征。在這個實例中不妨將X定義為穿了衣服的男人，Y定義為脫了衣服的男人，則我們生成的圖像不僅要像Y一樣使之脫了衣服，還要使得像X一樣的容貌動作等等。下面將對一些關(guān)鍵的代碼函數(shù)進行講解，完整代碼見文末，當然歡迎大家關(guān)注我的公眾號，小小見解如有錯誤懇請糾正。
首先數(shù)據(jù)集的準備，將穿衣服的數(shù)據(jù)集放到文件夾TrainB中，如圖所示：

因為我制作演示使用，所以準備數(shù)據(jù)集較少，能稍微看到點效果就像，如果想要更好效果要大量數(shù)據(jù)集。
TrainA放入沒穿衣服的照片：

作為訓練的數(shù)據(jù)集。下面介紹關(guān)鍵代碼：
網(wǎng)絡結(jié)構(gòu)定義激活函數(shù)：

定義歸一化數(shù)據(jù)，目的在于減少運算，防治數(shù)據(jù)噪聲過大等等。

定義網(wǎng)絡卷積層：

定義反向傳播卷積層：

定義池化層使用函數(shù)：

以上為網(wǎng)絡層需要使用的函數(shù)定義，下面是函數(shù)內(nèi)具體參數(shù)設定，可以自己調(diào)整。
定義resnet網(wǎng)絡層，類似于vgg網(wǎng)絡層可直接變參數(shù)：

然后是生成器的定義：

判別器的定義：

模型訓練部分主要比測試部分多一些模型保存，訓練參數(shù)代碼，下面只簡單講下訓練部分代碼，這樣比較清晰網(wǎng)絡層：

主要思路是設占位符待讀入數(shù)據(jù)，然后設置網(wǎng)絡層對讀入的數(shù)據(jù)訓練，需要生成器和判別器的對抗，接著讀取模型，初始化，讀入需要測試的圖片路徑，保存模型生成圖片，其中inputA就是為讀入的dataA數(shù)據(jù)，通過字典匹配而已。
然后訓練結(jié)果聲明：
首先我的電腦配置很低，所以參數(shù)設置很小，數(shù)據(jù)集也很少，就5張圖片，如果需要好的結(jié)果需要多數(shù)據(jù)，改參數(shù)，好電腦等等。另外有些參數(shù)是根據(jù)數(shù)據(jù)集個數(shù)需要改的，比如數(shù)據(jù)集少，但是參數(shù)一次訓練的圖片數(shù)大于訓練集數(shù)那就報錯啦，自己看看改改。
最終演示結(jié)果如下：

，本來是穿衣服在車旁的，數(shù)據(jù)集少，參數(shù)小，效果較差，只做演示。
歡迎大家關(guān)注我的公眾號"人工智能實戰(zhàn)及常見代碼分享”：

，后天回復“脫衣服CycleGan”,獲取完整代碼。

總結(jié)

以上是生活随笔為你收集整理的CycleGan脱衣服（男人）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。