【机器学习】手把手用AI算法实现冰雪奇缘中的“冰雪魔法”
大家好,相信一定有很多的小伙伴看過動漫電影《冰雪奇緣》~
《冰雪奇緣》講述的是在一個四面環海、風景如畫的阿倫黛爾王國,公主艾莎天生具有制造冰雪的超能力,將任何的場景轉眼變成“冰天雪地”般的特效,十分的神奇。
感覺的每次到夏天的時候看《冰雪奇緣》,簡直有是夏季敗火的首選電影~
感覺接下來我不能接著劇透下去了,有興趣的一定要去看一看,迪士尼的動漫電影的效果真的不錯~
劇中公主艾莎的冰雪魔法的特效~
說個題外話,不知道大家看電影的時候是不是也一樣的有代入感呢?記得自己小時候看《蜘蛛俠》的時候,每次看到蜘蛛俠的電影的時候(來張劇照~)
看著蜘蛛俠能自由自在的蕩秋千,還能隨時隨地的從手腕里面吐出來蛛絲,
甚至也想被“蜘蛛”咬上一口...(哈哈哈,開個玩笑,畢竟那只是科幻電影中的特效)。
但是今天不一樣,我們今天使用Python語言以及深度學習模型算法來實現《冰雪奇緣》中的公主艾莎的冰雪魔法~
我們先直接看“魔法效果”~? ? ?
?
實現原理
在上面的幾組對比圖片中,我選取了幾組比較有代表性的效果圖片~
左邊的圖片為夏季的風景圖片,右邊是經過“冰雪魔法”處理后的圖片
哈哈哈,不賣關子了,這個冰雪魔法的真面目,就是深度學習模型中的CycleGAN,
GAN深度學習網絡模型是深度學習模型下的生成對抗網絡的范疇,一般來說,我們使用CycleGAN網絡來進行圖像的風格遷移。
事實上我們在兩份圖片中所進行的操作是圖片景色的“冬夏風格遷移”,具體的實現原理是將夏季的景色圖片,或者冬季的景色圖片,進入GAN網絡進行模型的訓練,提取特征參數,進行預測圖片的矩陣像素值運算。
簡單來理解,生成對抗網絡的深度學習模型,其實是生成器與判別器的一場博弈,生成器生成的圖片放入判別器進行判別,模型性能最優的時候是生成器生成的假圖片,判別器無法正確識別時候,性能最好。
算法實現步驟
Git下載代碼倉庫
使用Git拷貝下來整個CycleGAN的Python代碼工程文件,代碼工程為使用pytorch的深度學習框架進行編寫,Git倉庫的地址:
https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
如果不想自己搭建深度學習的運行環境,可以使用Google colab中的notebook
每個賬號大約有12小時的連續免費算力使用~
顯卡配置為Tesla K80?14G顯存
在notebook終端執行以下指令:
下載預訓練模型
由于GAN類型的神經網絡模型的訓練時間比較長
因為需要進行卷積運算操作進行圖片的標簽判別同時要進行反卷積的運算進行“假圖片”的生成,因此網絡結構較深,運算參數復雜,訓練時間較長。
notebook終端執行腳本命令,我們所使用的是冬夏風格遷移的運算模型,因此選擇summer2winter_yosemite的預訓練模型
下載測試圖片數據集
我們所下載的測試圖片數據集中包含四個文件夾,trainA,trainB,testA,testB。
我們只需要使用其中的一個測試文件夾即可,我們選擇的模型是夏季風格轉換為冬季風格。
因此使用夏季風格的測試圖片testA的文件中的圖片進行預測結果~
在notebook終端中執行腳本命令,下載冬夏圖片數據集文件。
執行模型前向推理
準備的資源條件已經完善,接下來進行測試,在終端執行模型測試文件腳本,notebook中執行命令:
顯示執行完畢,在輸出終端輸出預測圖片結果日志,查看result文件夾下,已經有圖片的處理結果,實驗完成~
? ? ? ? ? ?
結語
? ?
怎么樣,你學會了嗎?趕快動手試一試吧~
自己親手實現公主艾莎的“冰雪魔法”~
怎么樣,是不是效果很酷炫呢,我是千與千尋,我們下期見~
············END············
往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯溫州大學《機器學習課程》視頻 本站qq群851320808,加入微信群請掃碼: 與50位技術專家面對面20年技術見證,附贈技術全景圖總結
以上是生活随笔為你收集整理的【机器学习】手把手用AI算法实现冰雪奇缘中的“冰雪魔法”的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: Win11正版和盗版有什么区别
- 下一篇: win7系统电脑安全模式解除不了的解决教