UGATIT — это современное состояние технологий преобразования изображения в изображение.

*Бумага



U-GAT-IT: неконтролируемые генеративные сети внимания с адаптивной нормализацией уровня-экземпляра…
Мы предлагаем новый метод неконтролируемого преобразования изображения в изображение, который включает новый модуль внимания и…arxiv.org



*Страница проекта GitHub.



taki0112/UGATIT
Этот репозиторий содержит официальную реализацию Tensorflow следующего документа: U-GAT-IT: Unsupervised…github.com



Вы можете обучить эту модель на своем собственном наборе данных.

Для этого обучения я рекомендую ноутбук Google Colaboratory, в котором вы можете использовать бесплатный графический процессор. Потому что УГАТИТУ нужна мощная вычислительная мощность.

1, клонируйте страницу проекта GitHub выше.

git clone https://github.com/taki0112/UGATIT.git
cd UGATIT

2. Установите TensorFlow1.14. (Если у вас нет TensorFlow1. Поскольку эта модель создана TensorFlow1, а не TensorFlow2.0.)

pip install tensorflow-gpu==1.14

3, сделайте свой собственный набор данных. Я рекомендую использовать 6200 изображений ( TrainA(DomainA):3000,TrainB(DomainB):3000,TestA(DomainA):100,TestB(DomainB):100). Поскольку набор данных selfie2anime для исходного проекта содержит такое количество изображений. Размер изображения не имеет значения. Утилита UGATIT автоматически изменяет размер ваших изображений. Создайте каталог набора данных и создайте каталоги для каждого домена в нем.

Имя каталога набора данных (например, «selfie2anime»). И поместите каталог набора данных в каталог UGATIT.

4. Запустите скрипты поезда. Вы должны указать собственное имя набора данных в аргументе «— dataset».

python main.py --dataset your_dataset_name --phase train

Пожалуйста, следите за моим твиттером. https://twitter.com/JackdeS11 И, пожалуйста, хлопайте в ладоши 👏.

Любой вопрос?