我是如何用TensorFlow 做出屬于自己的Prisma的？

編者按：本文作者牟中強，雷鋒網(wǎng)硬創(chuàng)公開課群友。

最近人工智能圖片濾鏡軟件Prisma 非常的火，這款圖片處理的App 綜合了人工神經(jīng)網(wǎng)絡(luò)技術(shù)（neural networks）和人工智能技術(shù)，可以獲取著名繪畫大師和主要流派的藝術(shù)風(fēng)格，然后對照片進行智能風(fēng)格化處理，將圖片轉(zhuǎn)化為藝術(shù)化的效果。

PRISMA

于是手癢，自己也想DIY 出一款屬于自己的Prisma。相比APP，在電腦上實現(xiàn)這項功能略微繁瑣一些，不過通過這樣的方式，我們可以：

1、隨意選擇想要轉(zhuǎn)化風(fēng)格的圖片；

2、擁有靈活可以變動的參數(shù)，大力出奇跡；

3、在使用過程中感興趣的讀者可以通過Python源代碼研究其原理。

這個好比傻瓜相機以及單反，也許我們可以用單反去發(fā)掘其中更深層的奧妙，甚至做出更驚艷的作品。

介紹：

在開工之前，我們先介紹一下該項目。該項目最先是圖賓根大學(xué)的一篇論文“A Neural Algorithm of Artistic Style”引出，簡單來說它是通過卷積神經(jīng)網(wǎng)絡(luò)（CNN）學(xué)習(xí)了一副畫的風(fēng)格，并將這幅畫的風(fēng)格應(yīng)用到另一幅圖片上。

 

A Neural Algorithm of Artistic Style

CNN 算法是這其中的核心，而針對CNN算法的實現(xiàn)，有很多不同的工具包，其中TensorFlow 配置起來相對比較容易。TensorFlow 是谷歌基于DistBelief進行研發(fā)的第二代人工智能學(xué)習(xí)系統(tǒng)，其命名來源于本身的運行原理，使用該系統(tǒng)可以很容易實現(xiàn)CNN、RNN和LSTM算法，這些算法在人工智能領(lǐng)域，尤其是圖像處理方面非常流行。

準備：

在此之前，你需要確保以下兩個條件：

1、一臺擁有NVIDIA顯卡的電腦，臺式機筆記本均可（不用顯卡也可以實現(xiàn)，不過通過顯卡GPU加速效率可以提高20倍左右）

2、電腦中安裝了Linux操作系統(tǒng)（最好不要是虛擬機，否則驅(qū)動會折騰的讓人抓狂）

如果沒有接觸過Linux的讀者要做好折騰的心理準備，Linux驅(qū)動并不像Window那么好安裝，需要多上網(wǎng)查查資料

實施：

1、安裝TensorFlow：

TensorFlow的安裝比較簡單，具體安裝方法可以參考TensorFlow的中文手冊：

http://wiki.jikexueyuan.com/project/tensorflow-zh/

2、下載項目：

使用Git下載項目

git clone：https://github.com/harry19902002/image-style-transfor.git

3、下載VGG19網(wǎng)絡(luò)模型：

VGG19網(wǎng)絡(luò)模型是由牛津視覺幾何組（Visual Geometry Group）開發(fā)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，它在視覺方面有著不錯的表現(xiàn)，項目中也需要用到VGG19網(wǎng)絡(luò)模型。

下載地址：http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat

將其下載到項目目錄中即可。

4、開始轉(zhuǎn)換：

好了，準備工作基本已經(jīng)就緒。我們將原始圖片以及需要學(xué)習(xí)風(fēng)格的圖片分別放到項目目錄中的Content以及Style文件夾中，用命令行輸入：

python neural_style.py --content 原始圖片文件名 --styles 風(fēng)格圖片文件名 --out 生成圖片文件名

例：python neural_style.py --content ContentFile.jpg --styles StyleFile.jpg --out OutFile.jpg

經(jīng)過幾分鐘處理我們可以在out文件夾中找到轉(zhuǎn)換的文件OutFile.jpg

（處理效果圖1）

（處理效果圖2）

5、進階修改：

當(dāng)然項目中還有很多其他參數(shù)可以摸索，可能會將圖片優(yōu)化的更漂亮：

比如：

--iterations    修改迭代次數(shù)（默認為1000）

--content_weight   照片權(quán)重

--style_weight  風(fēng)格圖片權(quán)重

--learning_rate  學(xué)習(xí)步長

更多的參數(shù)可以通過輸入下面代碼查找：

python neural_style.py --help

好戲在后頭：

由于現(xiàn)在算法中有很多可調(diào)的參數(shù)，現(xiàn)在并不是一個被完全優(yōu)化好的狀態(tài)，所以希望讀者們多試試里面的參數(shù)。

當(dāng)然簡單的山寨并沒有什么意思，所以借助這個項目，我們可以做些獨特的，Prisma完全做不到的東西，這里我做了兩個小Demo，拋磚引玉。

1、分解計算機學(xué)習(xí)過程：

之前有網(wǎng)友詢問，這種方式訓(xùn)練次數(shù)有什么不同效果，于是我做了一個小視頻，沒訓(xùn)練一次就把圖像生成出來，這樣我們就可以看到整個訓(xùn)練的過程了。

2、生成有藝術(shù)風(fēng)格的視頻：

一張圖片的轉(zhuǎn)化還不足以秒殺朋友圈。沒關(guān)系，視頻轉(zhuǎn)換的道理是一樣的，經(jīng)過一些處理，我們可以將視頻也轉(zhuǎn)換成藝術(shù)風(fēng)格：

處理時間比較長，所以我只做了一個短視頻，原視頻地址：

風(fēng)格轉(zhuǎn)化后視頻地址：

看上去還是挺酷的。

參考鏈接：

[1]AI修圖藝術(shù)：Prisma背后的奇妙算法 | 深度

[2]A Neural Algorithm of Artistic Style 論文

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。