0
雷鋒網按：本文原載于微信公眾號“網路冷眼”，作者 Hanson Lau 。作者已授權雷鋒網發布。原文地址：鏈接
最近，我將Isola等人做的pix2pix移植到了Tensorflow 平臺。Tensorflow 平臺包含在Tensorflow的圖像到圖像翻譯（Image-to-ImageTranslation in Tensorflow）論文中。我采用了一些預訓練的模型，并制作了一個網絡互動的程序可以直接嘗試玩玩。建議使用 Chrome 瀏覽器來查看效果。
pix2pix模型通過對圖像對進行訓練來工作，例如給建筑物的立面添加建筑物立面的標簽，然后嘗試從任何輸入圖像生成相應的輸出圖像。這個想法是直接從pix2pix 論文（ pix2pix paper）而來，這是一篇好文章。
在建筑立面數據庫上訓練有標簽的建筑立面。它似乎不知道如何處理一個大的空白區域，但如果放上足夠的窗口，那么結果往往合理。繪制“墻”顏色矩形來擦除東西。
我沒有建筑立面給定不同部分的名字，所以我只是猜測它們叫什么。
在約2k 存儲貓照片和從那些照片自動生成的邊緣之上訓練。生成了彩色貓對象和一些帶有噩夢的臉。我所見過的最好的一個是貓貓。
一些圖片看起來特別蠕動，因為對動物辨識產生誤判，特別是在眼睛周圍。自動檢測的邊緣在很多情況下不是很好，沒有檢測到貓的眼睛，使得訓練圖像翻譯模型效果更差。
在從Zappos收集的?50k鞋子圖片以及從那些圖片自動生成的邊緣的數據庫上訓練之后。如果你真的擅長繪制鞋子的邊緣，可以嘗試產生一些新的設計。請記住，因為是在真實的對象上進行訓練，所以如果你可以繪制更多的3D物體，所以似乎工作得更好。
和前面類似，在從亞馬遜收集的?137k手袋圖片及從那些照片自動生成邊緣數據庫上訓練。如果你在這里畫一個鞋而不是手提包，你會得到一只非常奇怪的紋理鞋。
使用pix2pix-tensorflow的pix2pix.py腳本訓練和導出模型。交互式演示是使用Canvas API 以 Javascript 編寫的，并與通過Tensorflow運行圖像的后端服務器通信。后端服務器可以運行Tensorflow本身，或者將請求轉發到由Google運行的托管Tensorflow服務的Cloud ML 上。
預訓練模型在GitHub上的數據集部分提供。所有的發布與原來的pix2pix實現應該都是可用的。模型可以使用pix2pix.py腳本從預訓練的模型中導出，導出的模型從GitHub上的服務器README鏈接過來的。
貓照片的邊緣是使用整體嵌套邊緣檢測（Holistically-Nested EdgeDetection）生成的，并且將功能添加到process.py腳本中，并將依賴項添加到Docker鏡像中。
除非另有說明，否則本網站上的所有代碼示例都以公共領域協議發布，并托管在GitHub上。
原文：http://affinelayer.com/pixsrv/
作者：Christopher Hesse
雷鋒網相關閱讀：
如何用 TensorFlow 搞定知乎驗證碼；深層神經網絡的致命問題詳解 | AI 開發者日報
TensorFlow和Caffe、MXNet、Keras等其他深度學習框架的對比
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
