neural-style、chainer-fast-neuralstyle图像风格转换实验

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/WoPawn/article/details/52781426

首先说明，该篇博客是在ubuntu16.04+gtx1060+cuda8.0+tensorflow源码安装、测试经历基础上进行实验，gtx 1060显卡驱动、cuda、cudnn和tensorflow安装这里不再赘述。

本实验分为neural-style和chainer-fast-neuralstyle两部分。

---

废话不多说，上车吧，少年

一、neural-style

1. 载入源码，终端输入
   git clone https://github.com/anishathalye/neural-style

2. 下载vgg19模型
   下载地址：http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat

3. 把vgg19模型放到neural-style的文件夹根目录下，如图所示
   
   
   

4. 把想转换风格的照片放入example目录，并在终端输入
   cd neural_style\
python neural_style.py --content ./examples/1in.jpg --styles ./examples/1-style.jpg --output ./examples/1out.jpg

   其中，1in.jpg是example目录下想要转换的图片；1-style.jpg是example目录下想要模仿其风格的模板图片；1out.jpg是即将在example目录下转换生成的图片名称。

   转换过程如图所示（不清楚的图片右键新标签页打开图片）：
   
   这里列出两种风格转换结果
   
   
   
   
   
   
   
   
   二、chainer-fast-neuralstyle

   虽然neural-style效果已经挺不错，但其运行时间却不尽人意，gtx1060上运行一张1280×960的150k左右图片却要花费将近18分钟，而chainer-fast-neuralstyle是neural-style高效版本，运行效率大大提升，gtx1060上运行一张1280×960的150k左右图片平均时间22秒。

   1. 载入源码，终端输入
      git clone --recursive https://github.com/yusuketomoto/chainer-fast-neuralstyle

   2. 载入更多模型，终端输入
      git clone --recursive https://github.com/gafr/chainer-fast-neuralstyle-models
      此下载的文件有两个用途：
      ①复制chainer-fast-neuralstyle-models\images\目录下所有含有style字样的图片到neural_style\examples\目录下，增加neural_style可用的模板集；

      ②复制chainer-fast-neuralstyle-models\models\目录下所有model到chainer-fast-neuralstyle\models\目录下，增加chainer-fast-neuralstyle可用的模型；

   3. 安装依赖
      sudo pip install chainer

   4. 图像风格转换
      终端输入python generate.py sample_images/1.jpg -m models/candy_512_2_49000.model -o sample_images/1out.jpg
      其中，1.jpg是sample_images目录下想要转换的图片; candy_512_2_49000.model是models目录下任意一种模型; 1out.jpg是即将在sample_images目录下转换生成的图片名称。

      转换过程如图所示：
      
      这里列出两种风格转换结果
      
      
      
      
      
      
      
      
      

      ---