馬赫 張濤 盧涵宇

摘要：隨著深度學(xué)習(xí)的不斷發(fā)展與應(yīng)用，圖像到圖像的風(fēng)格遷移成了計算機視覺領(lǐng)域的研究熱點之一。該文運用Cycle-GAN網(wǎng)絡(luò)對圖像進(jìn)行風(fēng)格遷移，能夠在無匹配的源圖像和風(fēng)格圖像的情況下進(jìn)行。使得CycleGAN網(wǎng)絡(luò)中的生成器由編碼器、轉(zhuǎn)換器及解碼器組成，能起到保留原始圖像特征和轉(zhuǎn)換圖像數(shù)據(jù)的作用。該文嘗試通過Inception與ResNet進(jìn)行結(jié)合，并與原CycleGAN網(wǎng)絡(luò)進(jìn)行對比訓(xùn)練，結(jié)果表明，修改后的CycleGAN能夠比CycleGAN訓(xùn)練后得到更加逼真的圖像，具有更佳的視覺效果。

關(guān)鍵詞：CycleGAN;圖像風(fēng)格遷移;轉(zhuǎn)換器;ResNet模塊;深度學(xué)習(xí)

中圖分類號：TP183 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）27-0018-03

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

隨著計算機技術(shù)和人工智能技術(shù)的發(fā)展，深度學(xué)習(xí)應(yīng)用越來越廣，其中計算機圖形學(xué)與深度學(xué)習(xí)的結(jié)合，產(chǎn)生了許多優(yōu)秀的算法，并在后來的圖像風(fēng)格遷移、圖像分割、自然語言生成等諸多領(lǐng)域得到廣泛應(yīng)用[1-4]。

隨著GAN網(wǎng)絡(luò)的應(yīng)用也產(chǎn)生了一系列如難以收斂、訓(xùn)練不穩(wěn)定、模型不可控等問題，促使了大量學(xué)者對該類問題的研究，如MARTIN等[5]針對GAN網(wǎng)絡(luò)訓(xùn)練不穩(wěn)定的問題，提出了WGAN（Wasserstein GAN），該方法使用Earth-Mover距離代替JS散度作為判別器D的目標(biāo)函數(shù)，使得訓(xùn)練穩(wěn)定性得到有效提升。Zhu等[6]人為解決GAN網(wǎng)絡(luò)的一些限制，提出了循環(huán)一致性對抗網(wǎng)絡(luò)（CycleGAN）網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠根據(jù)不成對的數(shù)據(jù)集訓(xùn)練出能夠滿足不同風(fēng)格的圖像的轉(zhuǎn)換;隨后，劉哲良等[7]針對采用CycleGAN網(wǎng)絡(luò)進(jìn)行圖像風(fēng)格遷移中，表現(xiàn)出泛化能力差等問題，提出了一種FCN-CycleGAN的圖像風(fēng)格遷移方法，結(jié)論證明該方的網(wǎng)絡(luò)在穩(wěn)定性法具有較好的表現(xiàn)能力。杜振龍等[8]針對GAN網(wǎng)絡(luò)進(jìn)行圖像風(fēng)格遷移中收到數(shù)據(jù)集限制的問題，對CycleGAN進(jìn)行了改進(jìn)，通過利用DenseNet來代替Cycle-CAN網(wǎng)絡(luò)中的ResNet，改進(jìn)、收斂速度及對減少數(shù)據(jù)集的限制等方面都有很大進(jìn)步。

本文運用CycleGAN網(wǎng)絡(luò)對圖像進(jìn)行風(fēng)格遷移，通過Incep-tion與ResNet進(jìn)行結(jié)合，并與原CycleGAN網(wǎng)絡(luò)進(jìn)行對比訓(xùn)練，結(jié)果表明，修改后的CycleGAN得到更加逼真的圖像，具有更佳的視覺效果。

1 圖像風(fēng)格轉(zhuǎn)換

圖像風(fēng)格轉(zhuǎn)換（又稱作圖像風(fēng)格遷移）是深度學(xué)習(xí)領(lǐng)域內(nèi)一中新興的技術(shù)。由于圖像風(fēng)格概念非常抽象，計算機對圖像的處理過程中僅是一些像素點，不能像人類一樣對不同風(fēng)格進(jìn)行分辨，所以人們期望通過對圖像進(jìn)行風(fēng)格特征的提取來解決這一問題。隨著深度學(xué)習(xí)的發(fā)展，現(xiàn)已可以使用深度神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)圖像里面的抽象風(fēng)格特征。

Gatys等人開啟了深度學(xué)習(xí)方法應(yīng)用于圖像風(fēng)格遷移的先例，其論文中采用卷積神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行風(fēng)格提取，雖然相對于傳統(tǒng)非參方法來說能夠?qū)Φ蛯有畔⑦M(jìn)行提取，但是對于高層的抽象特征而言并沒有取得良好的效果。直到CAN網(wǎng)絡(luò)的引入，該類問題得到很大的改進(jìn)，該類方法能夠?qū)W習(xí)到大量樣本之間的風(fēng)格及其特征。比如實際應(yīng)用中將黑白圖像轉(zhuǎn)為對應(yīng)的彩色圖像、蘋果與橘子之間的轉(zhuǎn)換等問題，需要對大量樣本進(jìn)行訓(xùn)練提取其中的風(fēng)格，然后完成不同圖像風(fēng)格的轉(zhuǎn)換。

2 網(wǎng)絡(luò)結(jié)構(gòu)

CycleCAN模型是從GAN網(wǎng)絡(luò)發(fā)展而來，其原理是基于對偶思想的圖像風(fēng)格轉(zhuǎn)換，該方法不需要對成對的數(shù)據(jù)集進(jìn)行訓(xùn)練，就能完成對風(fēng)格的遷移。

2.1 GAN

GAN由兩個相互競爭的神經(jīng)網(wǎng)絡(luò)組成：一個是神經(jīng)網(wǎng)絡(luò)是生成器網(wǎng)絡(luò)（ Generator，G），用于生成樣本圖像;另一個神經(jīng)網(wǎng)絡(luò)是判別器網(wǎng)絡(luò)（ Discriminator，D），用于區(qū)分真實樣本和生成樣本。CAN網(wǎng)絡(luò)其核心思想來源于博弈論的納什均衡，該網(wǎng)絡(luò)由生成器G和判別器D組成，其中G網(wǎng)絡(luò)是通過將一個噪聲矢量包裝為與真實數(shù)據(jù)高度相似的樣本，D網(wǎng)絡(luò)是對輸入的數(shù)據(jù)進(jìn)行判斷其來自真實樣本還是通過G網(wǎng)絡(luò)所生成的假數(shù)據(jù);它們之間是一個動態(tài)的過程。圖1展示了其基本原理，圖中X表示是真實圖片的概率。GAN網(wǎng)絡(luò)的優(yōu)化問題其實是一個極小一極大化問題，即先將生成器G進(jìn)行固定，優(yōu)化判別器D，使得D的判別準(zhǔn)確率最大化;然后固定判別器D，優(yōu)化生成器G，使得判別器準(zhǔn)確率最小;當(dāng)兩者相等時，達(dá)到全局最優(yōu)。其目標(biāo)函數(shù)如公式（1）所示：

2.2 Cycle GAN

CycleCAN使用兩個生成器與兩個判別器網(wǎng)絡(luò)來實現(xiàn)對兩個圖片X與Y之間的相互映射，其原理圖如圖2所示。本質(zhì)上是兩個鏡像對稱的GAN所構(gòu)成的環(huán)形網(wǎng)絡(luò)。模型設(shè)計了兩對生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)，通過訓(xùn)練后可以將不同的圖像之間進(jìn)行轉(zhuǎn)換，但是在這個過程中要求循環(huán)的一致性，故而在其中設(shè)置了一個循環(huán)損失函數(shù)（Cyclic loss）。CycleGAN模型有兩個生成網(wǎng)絡(luò)和兩個判別網(wǎng)絡(luò)，共4個生成損失函數(shù)。

上圖中表示X通過映射G實現(xiàn)X中的圖片x到Y(jié)中圖片G（x）的映射關(guān)系，對應(yīng)生成判別器為Dy，由于CycleGAN是基于對偶思想的原理，故而Y需要通過一個映射F實現(xiàn)Y中的圖片y映射到X中的F（y）的映射關(guān)系，對應(yīng)生成判別器為Dx;如果G（F（x））≈x和F（G（y））≈y則CycleGAN模型的轉(zhuǎn)換過程就完成。

2.3 CycleGAN的改進(jìn)

原CycleGAN生成器中采用殘差網(wǎng)絡(luò)，通過全卷積連接，由編碼器、轉(zhuǎn)換器和解碼器組成。殘差網(wǎng)絡(luò)在圖像識別領(lǐng)域尤其是目標(biāo)檢測方面具有很大的優(yōu)勢，但是更大的優(yōu)勢需要在很深的網(wǎng)絡(luò)結(jié)構(gòu)中才能夠展現(xiàn)，而傳統(tǒng)的CycleGAN網(wǎng)絡(luò)其生成器網(wǎng)絡(luò)對于大小為256X256的圖像采用的是9層的殘差模塊，并未有很深的網(wǎng)絡(luò)。