CycleGAN 各种变变变

转载自

简单介绍了一下GAN和DCGAN的原理。以及如何使用Tensorflow做一个简单的生成图片的demo。

Ian Goodfellow对GAN一系列工作总结的ppt，确实精彩，推荐：独家 | GAN之父NIPS 2016演讲现场直击：全方位解读生成对抗网络的原理及未来（附PPT）
GAN论文汇总，包含code：zhangqianhui/AdversarialNetsPapers

CycleGAN是在今年三月底放在arxiv（地址：https://arxiv.org/abs/1703.10593）的一篇文章，文章名为Learning to Discover Cross-Domain Relations with Generative Adversarial Networks，同一时期还有两篇非常类似的DualGAN（地址：https://arxiv.org/abs/1704.02510）和DiscoGAN（地址：https://arxiv.org/abs/1703.05192），简单来说，它们的功能就是：自动将某一类图片转换成另外一类图片。

作者在论文中也举了一些例子，比如将普通的马和斑马进行互相转换，将苹果和橘子进行互相转换：

把照片转换成油画风格：

将油画中的场景还原成现实中的照片：

由于CycleGAN这个框架具有较强的通用性，因此一经发表就吸引了大量注意，很快，脑洞大开的网友想出了各种各样神奇的应用。

比如将猫变成狗：

让图片中的人露出笑容：

国外网友Jack Clark还搜集了巴比伦、耶路撒冷以及伦敦的古代地图，利用CycleGAN将它们还原成了真实卫星图像：

还有人使用CycleGAN将人脸转换成娃娃：

将男人变成女人：

把你自己变成一个“肌肉文身猛男”也是可以的：

如果说这些应用多少可以理解，那么下面的应用就有点“匪夷所思”了：你可以想象将人和拉面做转换吗？日本网友加藤卓哉(Takuya Kato)就训练了这样一个模型，它可以从拉面中生成人像，此外将人脸变成拉面的图片。鉴于生成的结果比较鬼畜，如果有兴趣的可以点击这个链接（地址：https://junyanz.github.io/CycleGAN/images/faces_and_ramens.jpg）观看生成结果。

此外，知乎上的 @達聞西还用CycleGAN训练了可以脱掉女优衣服的模型（可以参考提高驾驶技术：用GAN去除(爱情)动作片中的马赛克和衣服），其脑洞之大，实在是让人惊叹了一番。但是技术水平还很厉害，下一篇博客把其中的技术扒过来。

今天这篇文章主要分成三个部分：

CycleGAN的原理解析
CycleGAN与原始的GAN、DCGAN、pix2pix模型的对比
如何在TensorFlow中用CycleGAN训练模型

CycleGAN的原理

我们之前已经说过，CycleGAN的原理可以概述为：将一类图片转换成另一类图片。也就是说，现在有两个样本空间，X和Y，我们希望把X空间中的样本转换成Y空间中的样本。

因此，实际的目标就是学习从X到Y的映射。我们设这个映射为F。它就对应着GAN中的生成器，F可以将X中的图片x转换为Y中的图片F(x)。对于生成的图片，我们还需要GAN中的判别器来判别它是否为真实图片，由此构成对抗生成网络。设这个判别器为 $D_{Y}$ 。这样的话，根据这里的生成器和判别器，我们就可以构造一个GAN损失，表达式为：

$L_{\text{GAN}}(F,D_{Y},X,Y) = E_{y \sim p_{\text{data}}(y)}\lbrack\log D_{Y}(y)\rbrack + E_{x \sim p_{\text{data}}(x)}\lbrack\log(1 - D_{Y}(F(x)))\rbrack$

这个损失实际上和原始的GAN损失是一模一样的，如果这一步不是很理解的可以参考一篇专栏：GAN学习指南：从原理入门到制作生成Demo。

但单纯的使用这一个损失是无法进行训练的。原因在于，映射F完全可以将所有x都映射为Y空间中的同一张图片，使损失无效化。对此，作者又提出了所谓的“循环一致性损失”（cycle consistency loss）。

我们再假设一个映射G，它可以将Y空间中的图片y转换为X中的图片G(y)。CycleGAN同时学习F和G两个映射，并要求 $F(G(y)) \approx y$ ，以及 $G(F(x)) \approx x$ 。也就是说，将X的图片转换到Y空间后，应该还可以转换回来。这样就杜绝模型把所有X的图片都转换为Y空间中的同一张图片了。根据 $F(G(y)) \approx y$ 和 $G(F(x)) \approx x$ ，循环一致性损失就定义为：

$L_{\text{cyc}}(F,G,X,Y) = E_{x \sim p_{\text{data}}(x)}\lbrack||G(F(x)) - x||_{1}\rbrack + E_{y \sim p_{\text{data}}(y)}\lbrack||F(G(y)) - y||_{1}\rbrack$

同时，我们为G也引入一个判别器 $D_{X}$ ，由此可以同样定义一个GAN的损失 $L_{\text{GAN}}(G,D_{X},X,Y)$ ，最终的损失就由三部分组成：

$L = L_{\text{GAN}}(F,D_{Y},X,Y) + L_{\text{GAN}}(G,D_{X},X,Y) + \lambda L_{\text{cyc}}(F,G,X,Y)$

CycleGAN与DCGAN的对比

为了进一步搞清楚CycleGAN的原理，我们可以拿它和其他几个GAN模型，如DCGAN、pix2pix模型进行对比。

先来看下DCGAN，它的整体框架和最原始的那篇GAN是一模一样的，在这个框架下，输入是一个噪声z，输出是一张图片（如下图），因此，我们实际只能随机生成图片，没有办法控制输出图片的样子，更不用说像CycleGAN一样做图片变换了。

CycleGAN与pix2pix模型的对比

pix2pix也可以做图像变换，它和CycleGAN的区别在于，pix2pix模型必须要求成对数据（paired data），而CycleGAN利用非成对数据也能进行训练(unpaired data)。

比如，我们希望训练一个将白天的照片转换为夜晚的模型。如果使用pix2pix模型，那么我们必须在搜集大量地点在白天和夜晚的两张对应图片，而使用CycleGAN只需同时搜集白天的图片和夜晚的图片，不必满足对应关系。因此CycleGAN的用途要比pix2pix更广泛，利用CycleGAN就可以做出更多有趣的应用。

在TensorFlow中实验CycleGAN

最后来讲一讲如何在TensorFlow中实验CycleGAN，打开全球最大的同性交友网站Github，我们可以发现CycleGAN在TensorFlow中已经有很多轮子了，我使用的代码是：vanhuyz/CycleGAN-TensorFlow（地址：https://github.com/vanhuyz/CycleGAN-TensorFlow）。

利用这个代码，我训练了一个从男性和女性图片互换的模型，比如将男人转换成女人（左侧为原图，右侧为模型自动生成的图片）：

还可以将女性转换成男性：

为了训练这么一个模型，我们需要分别准备好男性的图片和女性的图片。在实践中，我使用了CelebA数据集，分别取出其中男性和女性的图片并统一缩放到256x256的大小，然后存入两个文件夹中：

如果你对这个实验有兴趣，可以直接在地址https://pan.baidu.com/s/1i5qY3yt下载到我使用的数据集。当然，也可以使用自己的数据，只需要将它们存为jpg格式并统一缩放到256x256的大小就可以了。接下来的步骤为：

1. 下载项目代码

git clone https://github.com/vanhuyz/CycleGAN-TensorFlow.git

2. 将图片转换成tfrecords格式

这个项目中提供了一个build_data脚本，用于将图片转换成tfrecords形式。假设我们的图片存放在~/datasets/man2woman/a_resized/和 ~/datasets/man2woman/b_resized目录下，对应的命令就是：

python build_data.py \
--X_input_dir ~/datasets/man2woman/a_resized/ \
--Y_input_dir ~/datasets/man2woman/b_resized/ \
--X_output_file ~/datasets/man2woman/man.tfrecords \
--Y_output_file ~/datasets/man2woman/woman.tfrecords

3. 训练

训练的命令为：

python train.py \
--X ~/datasets/man2woman/man.tfrecords \
--Y ~/datasets/man2woman/woman.tfrecords \
--image_size 256

训练的过程比较漫长，此时可以打开TensorBoard来观察训练情况（运行这个命令时需要将“20170715-1622”改成机器中对应的文件夹，下同）：

tensorboard --logdir checkpoints/20170715-1622

4. 导出模型并执行单张图片

导出模型的方法为：

python export_graph.py \
--checkpoint_dir checkpoints/20170715-1622 \
--XtoY_model man2woman.pb \
--YtoX_model woman2man.pb \
--image_size 256

对单张图片进行转换（将data/test.jpg替换为对应的输入图片地址）：

python inference.py \
--model pretrained/man2woman.pb \
--input data/test.jpg \
--output data/output.jpg \
--image_size 256

总结

有已经训练好哒model，调用后发现效果很不好。