社区
下载资源悬赏专区
帖子详情
cartoonGAN_dataset下载
PIPI_333
2018-11-22 04:20:46
这个文件是自己爬取的数据集,并经过了预处理,所有影像的大小均为256*256,包括647张《言叶之庭》的图像,5400张现实风景影像,10张测试影像;用于cartoonGAN模型的训练,cartoonGAN的实现过程可参考:https://blog.csdn.net/z704630835/article/details/84336398
相关下载链接:
//download.csdn.net/download/z704630835/10801038?utm_source=bbsseo
...全文
125
回复
打赏
收藏
cartoonGAN_dataset下载
这个文件是自己爬取的数据集,并经过了预处理,所有影像的大小均为256*256,包括647张《言叶之庭》的图像,5400张现实风景影像,10张测试影像;用于cartoonGAN模型的训练,cartoonGAN的实现过程可参考:https://blog.csdn.net/z704630835/article/details/84336398 相关下载链接://download.csdn.net/download/z704630835/10801038?utm_source=bbsseo
复制链接
扫一扫
分享
转发到动态
举报
AI
作业
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
cart
oon
GAN
_
dataset
这个文件是自己爬取的数据集,并经过了预处理,所有影像的大小均为256*256,包括647张《言叶之庭》的图像,5400张现实风景影像,10张测试影像;用于
cart
oon
GAN
模型的训练,
cart
oon
GAN
的实现过程可参考:https://blog.csdn.net/z704630835/article/details/84336398
基于mindspore框架和
GAN
实现的漫画脸生成python源码+项目说明+模型.zip
1.项目代码功能经验证ok,确保稳定可靠运行。欢迎
下载
使用!在使用过程中,如有问题或建议,请及时私信沟通。 2.主要针对各个计算机相关专业,包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。 3.项目具有丰富的拓展空间,不仅可作为入门进阶,也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.当然也鼓励大家基于此进行二次开发。 5.期待你能在项目中找到乐趣和灵感,也欢迎你的分享和反馈! 【资源说明】 基于mindspore框架和
GAN
实现的漫画脸生成python源码+项目说明+模型.zip 简介 图像风格迁移领域近期有一篇论文U-GAT-IT提出了一种归一化方法——AdaLIN,能够自动调节Instance Norm和Layer Norm的比重,再结合attention机制能够实现精美的人像日漫风格转换。 主要包含两个生成器Generator和四个辨别器Discriminator,也是本工作的主要完成训练框架转换的部分。本工作主要根据开源的pytorch代码,将其中的风格迁移模型U-GAT-IT的模型定义、训练和测试脚本改成了mindspore框架(具体包括**训练脚本**`./models/UGATIT_sadalin_hourglass.py`和**模型定义文件**`./models/ms/networks.py`),而数据预处理的部分保留原先的pytorch框架。 ## 生成过程 由于实验数据较为匮乏,为了降低训练难度,首先将数据处理成固定的模式。数据处理部分用的是pytorch的模型和框架。主要包含以下几个步骤: - 检测人脸及关键点。 - 根据关键点旋转校正人脸。 - 将关键点边界框按固定的比例扩张并裁剪出人脸区域。 - 使用人像分割模型将背景置白,得到统一的图像模式。  最后将去除背景的正脸,输入U-GAT-IT模型中进行漫画风格迁移,得到最终的漫画脸。 硬件环境与依赖库 相关的系统与硬件配置如下: - Linux x86_64 - Ubuntu 18.04 - NVIDIA Tesla T4 (CUDA 11.4) 项目所需的主要依赖库如下: - mindspore 1.7.0 - python 3.7.5 - pytorch 1.7 - tensorflow-gpu 1.14 - face-alignment - dlib 训练 1. 随机初始化权重并重新训练: ```shell python train.py --
dataset
photo2
cart
oon
``` 2. 加载预训练参数进行训练: ```shell python train.py --
dataset
photo2
cart
oon
--pretrained_model pretrained_models ``` 3. 训练过程中会输出iteration和训练的时间、生成器的损失g_loss和辨别器的损失d_loss: 测试 1. 将一张测试照片(亚洲年轻女性)转换为卡通风格: ```shell python test.py --photo_path ./images/photo_test.jpg --save_path ./images/
cart
oon
_result.png ``` 2. 测试输出如下,表示漫画脸生成成功,生成结果存放在`--save_path`设置的路径下。
卡通数据集
GAN
对抗生成网络数据集训练元数据,包含很多卡通图片,方便生成新的图片
【MindStudio训练营第一期】大作业:
cart
oon
GAN
_picture卡通生成案例
【MindStudio训练营第一期】大作业:
cart
oon
GAN
_picture卡通生成案例
对抗生成网络学习(九)——
Cart
oon
GAN
+爬虫生成《言叶之庭》风格的影像(tensorflow实现)
一、背景
cart
oon
GAN
是Yang Chen等人于2018年2月提出的一种模型。该模型针对漫画风格图像生成做了进一步研究,提出了新的
GAN
网络结构和两种损失函数,相较于之前的漫画风格生成的
GAN
模型,
cart
oon
GAN
的生成漫画风格的图像质量有了明显提高。 本实验通过自己爬取《言叶之庭》(新海城的动漫)的影像进行实验,以生成相应风格的动漫影像。 [1]文章链接:http://open...
下载资源悬赏专区
13,656
社区成员
12,674,810
社区内容
发帖
与我相关
我的任务
下载资源悬赏专区
CSDN 下载资源悬赏专区
复制链接
扫一扫
分享
社区描述
CSDN 下载资源悬赏专区
其他
技术论坛(原bbs)
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章