An inplementation of style-transfer using tensorflow. 用tensorflow实现的图像风格转换网络。
Perceptual losses for real-time style transfer and super-resolution
加了很多中文注释，版本适合Python3。
- python 3.6.1
- tensorflow 1.3.0
- 训练：
python ./style.py --content_images_dir your_content_dir --style_image_path your_style_file_path --output_dir your_output_dir --vgg_path path_to_imagenet-vgg-verydeep-19.mat --epoch_num 10000由于没有强力GPU，没得出有效的结果。不过大体的样子有了，如下图：
| 原图 | 风格图 | 结果图 |
|---|---|---|
 |
 |
 |
可以看出，结果图中已经有波浪的纹理出现。
在训练过程中有几点思考：
-
content、style、tv三者的比例控制着最终生成图片的效果。
-
本次测试训练没有采用大量的训练数据。原文章采用的是COCO数据集。关于训练慢的分析： （1）loss整体下降很快，后面就进入一段很长的平台期。估计和learning rate有关。 （2）没有采用大量数据。网络对图片过拟合，导致后面loss实际上很小。这就类似于在一张图片上加上某些噪声，显示效果并没有改变。
-
有趣的一点： 网络是先大幅降低content_loss，再降低style_loss，tv_loss是先升后降（这是符合直觉的，因为最开始图像就是一坨灰色）。这是否和人观察事物的顺序一样呢，先观察整体特征，再观察风格特征，最后观察细节。