Esta página foi traduzida pela API Cloud Translation.
Switch to English

Pix2Pix

Ver no TensorFlow.org Executar no Google Colab Ver fonte no GitHub Baixar caderno

Este bloco de notas demonstra a tradução de imagem para imagem usando GANs condicionais, conforme descrito em Tradução de imagem para imagem com redes adversárias condicionais . Usando essa técnica, podemos colorir fotos em preto e branco, converter google maps em google earth, etc. Aqui, convertemos fachadas de edifícios em edifícios reais.

Por exemplo, usaremos o CMP Facade Database , útil fornecido pelo Center for Machine Perception na Czech Technical University em Praga . Para manter nosso exemplo curto, usaremos uma cópia pré-processada desse conjunto de dados, criada pelos autores do artigo acima.

Cada época leva cerca de 15 segundos em uma única GPU V100.

Abaixo está a saída gerada após treinar o modelo para 200 épocas.

amostra output_1amostra output_2

Importar TensorFlow e outras bibliotecas

import tensorflow as tf

import os
import time

from matplotlib import pyplot as plt
from IPython import display
pip install -q -U tensorboard
WARNING: You are using pip version 20.2.2; however, version 20.2.3 is available.
You should consider upgrading via the '/tmpfs/src/tf_docs_env/bin/python -m pip install --upgrade pip' command.

Carregar o conjunto de dados

Você pode baixar este conjunto de dados e conjuntos de dados semelhantes aqui . Conforme mencionado no artigo , aplicamos jittering e espelhamento aleatórios ao conjunto de dados de treinamento.

  • No jittering aleatório, a imagem é redimensionada para 286 x 286 e então cortada aleatoriamente para 256 x 256
  • No espelhamento aleatório, a imagem é girada aleatoriamente na horizontal, ou seja, da esquerda para a direita.
_URL = 'https://people.eecs.berkeley.edu/~tinghuiz/projects/pix2pix/datasets/facades.tar.gz'

path_to_zip = tf.keras.utils.get_file('facades.tar.gz',
                                      origin=_URL,
                                      extract=True)

PATH = os.path.join(os.path.dirname(path_to_zip), 'facades/')
Downloading data from https://people.eecs.berkeley.edu/~tinghuiz/projects/pix2pix/datasets/facades.tar.gz
30171136/30168306 [==============================] - 2s 0us/step

BUFFER_SIZE = 400
BATCH_SIZE = 1
IMG_WIDTH = 256
IMG_HEIGHT = 256
def load(image_file):
  image = tf.io.read_file(image_file)
  image = tf.image.decode_jpeg(image)

  w = tf.shape(image)[1]

  w = w // 2
  real_image = image[:, :w, :]
  input_image = image[:, w:, :]

  input_image = tf.cast(input_image, tf.float32)
  real_image = tf.cast(real_image, tf.float32)

  return input_image, real_image
inp, re = load(PATH+'train/100.jpg')
# casting to int for matplotlib to show the image
plt.figure()
plt.imshow(inp/255.0)
plt.figure()
plt.imshow(re/255.0)
<matplotlib.image.AxesImage at 0x7f5576b28550>

png

png

def resize(input_image, real_image, height, width):
  input_image = tf.image.resize(input_image, [height, width],
                                method=tf.image.ResizeMethod.NEAREST_NEIGHBOR)
  real_image = tf.image.resize(real_image, [height, width],
                               method=tf.image.ResizeMethod.NEAREST_NEIGHBOR)

  return input_image, real_image
def random_crop(input_image, real_image):
  stacked_image = tf.stack([input_image, real_image], axis=0)
  cropped_image = tf.image.random_crop(
      stacked_image, size=[2, IMG_HEIGHT, IMG_WIDTH, 3])

  return cropped_image[0], cropped_image[1]
# normalizing the images to [-1, 1]

def normalize(input_image, real_image):
  input_image = (input_image / 127.5) - 1
  real_image = (real_image / 127.5) - 1

  return input_image, real_image
@tf.function()
def random_jitter(input_image, real_image):
  # resizing to 286 x 286 x 3
  input_image, real_image = resize(input_image, real_image, 286, 286)

  # randomly cropping to 256 x 256 x 3
  input_image, real_image = random_crop(input_image, real_image)

  if tf.random.uniform(()) > 0.5:
    # random mirroring
    input_image = tf.image.flip_left_right(input_image)
    real_image = tf.image.flip_left_right(real_image)

  return input_image, real_image

Como você pode ver nas imagens abaixo, eles estão passando por jittering aleatório Jittering aleatório, conforme descrito no artigo, é para

  1. Redimensione uma imagem para uma altura e largura maiores
  2. Cortar aleatoriamente no tamanho alvo
  3. Inverta aleatoriamente a imagem horizontalmente
plt.figure(figsize=(6, 6))
for i in range(4):
  rj_inp, rj_re = random_jitter(inp, re)
  plt.subplot(2, 2, i+1)
  plt.imshow(rj_inp/255.0)
  plt.axis('off')
plt.show()

png

def load_image_train(image_file):
  input_image, real_image = load(image_file)
  input_image, real_image = random_jitter(input_image, real_image)
  input_image, real_image = normalize(input_image, real_image)

  return input_image, real_image
def load_image_test(image_file):
  input_image, real_image = load(image_file)
  input_image, real_image = resize(input_image, real_image,
                                   IMG_HEIGHT, IMG_WIDTH)
  input_image, real_image = normalize(input_image, real_image)

  return input_image, real_image

Pipeline de entrada

train_dataset = tf.data.Dataset.list_files(PATH+'train/*.jpg')
train_dataset = train_dataset.map(load_image_train,
                                  num_parallel_calls=tf.data.experimental.AUTOTUNE)
train_dataset = train_dataset.shuffle(BUFFER_SIZE)
train_dataset = train_dataset.batch(BATCH_SIZE)
test_dataset = tf.data.Dataset.list_files(PATH+'test/*.jpg')
test_dataset = test_dataset.map(load_image_test)
test_dataset = test_dataset.batch(BATCH_SIZE)

Construir o gerador

  • A arquitetura do gerador é um U-Net modificado.
  • Cada bloco no codificador é (Conv -> Batchnorm -> Leaky ReLU)
  • Cada bloco no decodificador é (Conv transposto -> Batchnorm -> Dropout (aplicado aos primeiros 3 blocos) -> ReLU)
  • Existem conexões de salto entre o codificador e o decodificador (como no U-Net).
OUTPUT_CHANNELS = 3
def downsample(filters, size, apply_batchnorm=True):
  initializer = tf.random_normal_initializer(0., 0.02)

  result = tf.keras.Sequential()
  result.add(
      tf.keras.layers.Conv2D(filters, size, strides=2, padding='same',
                             kernel_initializer=initializer, use_bias=False))

  if apply_batchnorm:
    result.add(tf.keras.layers.BatchNormalization())

  result.add(tf.keras.layers.LeakyReLU())

  return result
down_model = downsample(3, 4)
down_result = down_model(tf.expand_dims(inp, 0))
print (down_result.shape)
(1, 128, 128, 3)

def upsample(filters, size, apply_dropout=False):
  initializer = tf.random_normal_initializer(0., 0.02)

  result = tf.keras.Sequential()
  result.add(
    tf.keras.layers.Conv2DTranspose(filters, size, strides=2,
                                    padding='same',
                                    kernel_initializer=initializer,
                                    use_bias=False))

  result.add(tf.keras.layers.BatchNormalization())

  if apply_dropout:
      result.add(tf.keras.layers.Dropout(0.5))

  result.add(tf.keras.layers.ReLU())

  return result
up_model = upsample(3, 4)
up_result = up_model(down_result)
print (up_result.shape)
(1, 256, 256, 3)

def Generator():
  inputs = tf.keras.layers.Input(shape=[256,256,3])

  down_stack = [
    downsample(64, 4, apply_batchnorm=False), # (bs, 128, 128, 64)
    downsample(128, 4), # (bs, 64, 64, 128)
    downsample(256, 4), # (bs, 32, 32, 256)
    downsample(512, 4), # (bs, 16, 16, 512)
    downsample(512, 4), # (bs, 8, 8, 512)
    downsample(512, 4), # (bs, 4, 4, 512)
    downsample(512, 4), # (bs, 2, 2, 512)
    downsample(512, 4), # (bs, 1, 1, 512)
  ]

  up_stack = [
    upsample(512, 4, apply_dropout=True), # (bs, 2, 2, 1024)
    upsample(512, 4, apply_dropout=True), # (bs, 4, 4, 1024)
    upsample(512, 4, apply_dropout=True), # (bs, 8, 8, 1024)
    upsample(512, 4), # (bs, 16, 16, 1024)
    upsample(256, 4), # (bs, 32, 32, 512)
    upsample(128, 4), # (bs, 64, 64, 256)
    upsample(64, 4), # (bs, 128, 128, 128)
  ]

  initializer = tf.random_normal_initializer(0., 0.02)
  last = tf.keras.layers.Conv2DTranspose(OUTPUT_CHANNELS, 4,
                                         strides=2,
                                         padding='same',
                                         kernel_initializer=initializer,
                                         activation='tanh') # (bs, 256, 256, 3)

  x = inputs

  # Downsampling through the model
  skips = []
  for down in down_stack:
    x = down(x)
    skips.append(x)

  skips = reversed(skips[:-1])

  # Upsampling and establishing the skip connections
  for up, skip in zip(up_stack, skips):
    x = up(x)
    x = tf.keras.layers.Concatenate()([x, skip])

  x = last(x)

  return tf.keras.Model(inputs=inputs, outputs=x)
generator = Generator()
tf.keras.utils.plot_model(generator, show_shapes=True, dpi=64)

png

gen_output = generator(inp[tf.newaxis,...], training=False)
plt.imshow(gen_output[0,...])
Clipping input data to the valid range for imshow with RGB data ([0..1] for floats or [0..255] for integers).

<matplotlib.image.AxesImage at 0x7f54c85167b8>

png

  • Perda do gerador
    • É uma perda de entropia cruzada sigmóide das imagens geradas e uma série de algumas .
    • O documento também inclui a perda de L1 que é MAE (erro médio absoluto) entre a imagem gerada e a imagem alvo.
    • Isso permite que a imagem gerada se torne estruturalmente semelhante à imagem de destino.
    • A fórmula para calcular a perda total do gerador = gan_loss + LAMBDA * l1_loss, onde LAMBDA = 100. Este valor foi decidido pelos autores do artigo .

O procedimento de treinamento para o gerador é mostrado abaixo:

LAMBDA = 100
def generator_loss(disc_generated_output, gen_output, target):
  gan_loss = loss_object(tf.ones_like(disc_generated_output), disc_generated_output)

  # mean absolute error
  l1_loss = tf.reduce_mean(tf.abs(target - gen_output))

  total_gen_loss = gan_loss + (LAMBDA * l1_loss)

  return total_gen_loss, gan_loss, l1_loss

Imagem de atualização do gerador

Construa o Discriminador

  • O Discriminador é um PatchGAN.
  • Cada bloco no discriminador é (Conv -> BatchNorm -> Leaky ReLU)
  • A forma da saída após a última camada é (batch_size, 30, 30, 1)
  • Cada patch 30x30 da saída classifica uma parte 70x70 da imagem de entrada (tal arquitetura é chamada de PatchGAN).
  • O discriminador recebe 2 entradas.
    • Imagem de entrada e imagem de destino, que deve classificar como real.
    • Imagem de entrada e imagem gerada (saída do gerador), que deve ser classificada como falsa.
    • Nós concatenamos essas 2 entradas juntas no código ( tf.concat([inp, tar], axis=-1) )
def Discriminator():
  initializer = tf.random_normal_initializer(0., 0.02)

  inp = tf.keras.layers.Input(shape=[256, 256, 3], name='input_image')
  tar = tf.keras.layers.Input(shape=[256, 256, 3], name='target_image')

  x = tf.keras.layers.concatenate([inp, tar]) # (bs, 256, 256, channels*2)

  down1 = downsample(64, 4, False)(x) # (bs, 128, 128, 64)
  down2 = downsample(128, 4)(down1) # (bs, 64, 64, 128)
  down3 = downsample(256, 4)(down2) # (bs, 32, 32, 256)

  zero_pad1 = tf.keras.layers.ZeroPadding2D()(down3) # (bs, 34, 34, 256)
  conv = tf.keras.layers.Conv2D(512, 4, strides=1,
                                kernel_initializer=initializer,
                                use_bias=False)(zero_pad1) # (bs, 31, 31, 512)

  batchnorm1 = tf.keras.layers.BatchNormalization()(conv)

  leaky_relu = tf.keras.layers.LeakyReLU()(batchnorm1)

  zero_pad2 = tf.keras.layers.ZeroPadding2D()(leaky_relu) # (bs, 33, 33, 512)

  last = tf.keras.layers.Conv2D(1, 4, strides=1,
                                kernel_initializer=initializer)(zero_pad2) # (bs, 30, 30, 1)

  return tf.keras.Model(inputs=[inp, tar], outputs=last)
discriminator = Discriminator()
tf.keras.utils.plot_model(discriminator, show_shapes=True, dpi=64)

png

disc_out = discriminator([inp[tf.newaxis,...], gen_output], training=False)
plt.imshow(disc_out[0,...,-1], vmin=-20, vmax=20, cmap='RdBu_r')
plt.colorbar()
<matplotlib.colorbar.Colorbar at 0x7f54c83a3fd0>

png

Perda de discriminador

  • A função de perda do discriminador leva 2 entradas; imagens reais, imagens geradas
  • real_loss é uma perda de entropia cruzada sigmóide das imagens reais e uma matriz de uns (uma vez que estas são as imagens reais)
  • Generated_loss é uma perda de entropia cruzada sigmóide das imagens geradas e uma matriz de zeros (uma vez que estas são as imagens falsas)
  • Então o total_loss é a soma de real_loss e o generated_loss
loss_object = tf.keras.losses.BinaryCrossentropy(from_logits=True)
def discriminator_loss(disc_real_output, disc_generated_output):
  real_loss = loss_object(tf.ones_like(disc_real_output), disc_real_output)

  generated_loss = loss_object(tf.zeros_like(disc_generated_output), disc_generated_output)

  total_disc_loss = real_loss + generated_loss

  return total_disc_loss

O procedimento de treinamento para o discriminador é mostrado abaixo.

Para saber mais sobre a arquitetura e os hiperparâmetros, você pode consultar o artigo .

Imagem de atualização do discriminador

Defina os otimizadores e o protetor de checkpoint

generator_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)
discriminator_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)
checkpoint_dir = './training_checkpoints'
checkpoint_prefix = os.path.join(checkpoint_dir, "ckpt")
checkpoint = tf.train.Checkpoint(generator_optimizer=generator_optimizer,
                                 discriminator_optimizer=discriminator_optimizer,
                                 generator=generator,
                                 discriminator=discriminator)

Gerar Imagens

Escreva uma função para traçar algumas imagens durante o treinamento.

  • Passamos imagens do conjunto de dados de teste para o gerador.
  • O gerador irá então traduzir a imagem de entrada na saída.
  • O último passo é traçar as previsões e pronto!
def generate_images(model, test_input, tar):
  prediction = model(test_input, training=True)
  plt.figure(figsize=(15,15))

  display_list = [test_input[0], tar[0], prediction[0]]
  title = ['Input Image', 'Ground Truth', 'Predicted Image']

  for i in range(3):
    plt.subplot(1, 3, i+1)
    plt.title(title[i])
    # getting the pixel values between [0, 1] to plot it.
    plt.imshow(display_list[i] * 0.5 + 0.5)
    plt.axis('off')
  plt.show()
for example_input, example_target in test_dataset.take(1):
  generate_images(generator, example_input, example_target)

png

Treinamento

  • Para cada exemplo de entrada, gere uma saída.
  • O discriminador recebe a input_image e a imagem gerada como a primeira entrada. A segunda entrada é a input_image e a target_image.
  • Em seguida, calculamos a perda do gerador e do discriminador.
  • Em seguida, calculamos os gradientes de perda em relação às variáveis ​​do gerador e do discriminador (entradas) e os aplicamos ao otimizador.
  • Em seguida, registre as perdas no TensorBoard.
EPOCHS = 150
import datetime
log_dir="logs/"

summary_writer = tf.summary.create_file_writer(
  log_dir + "fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S"))
@tf.function
def train_step(input_image, target, epoch):
  with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
    gen_output = generator(input_image, training=True)

    disc_real_output = discriminator([input_image, target], training=True)
    disc_generated_output = discriminator([input_image, gen_output], training=True)

    gen_total_loss, gen_gan_loss, gen_l1_loss = generator_loss(disc_generated_output, gen_output, target)
    disc_loss = discriminator_loss(disc_real_output, disc_generated_output)

  generator_gradients = gen_tape.gradient(gen_total_loss,
                                          generator.trainable_variables)
  discriminator_gradients = disc_tape.gradient(disc_loss,
                                               discriminator.trainable_variables)

  generator_optimizer.apply_gradients(zip(generator_gradients,
                                          generator.trainable_variables))
  discriminator_optimizer.apply_gradients(zip(discriminator_gradients,
                                              discriminator.trainable_variables))

  with summary_writer.as_default():
    tf.summary.scalar('gen_total_loss', gen_total_loss, step=epoch)
    tf.summary.scalar('gen_gan_loss', gen_gan_loss, step=epoch)
    tf.summary.scalar('gen_l1_loss', gen_l1_loss, step=epoch)
    tf.summary.scalar('disc_loss', disc_loss, step=epoch)

O loop de treinamento real:

  • Repete o número de épocas.
  • Em cada época, ele limpa a tela e executa generate_images para mostrar seu progresso.
  • Em cada época, ele itera sobre o conjunto de dados de treinamento, imprimindo um '.' para cada exemplo.
  • Ele salva um ponto de verificação a cada 20 épocas.
def fit(train_ds, epochs, test_ds):
  for epoch in range(epochs):
    start = time.time()

    display.clear_output(wait=True)

    for example_input, example_target in test_ds.take(1):
      generate_images(generator, example_input, example_target)
    print("Epoch: ", epoch)

    # Train
    for n, (input_image, target) in train_ds.enumerate():
      print('.', end='')
      if (n+1) % 100 == 0:
        print()
      train_step(input_image, target, epoch)
    print()

    # saving (checkpoint) the model every 20 epochs
    if (epoch + 1) % 20 == 0:
      checkpoint.save(file_prefix = checkpoint_prefix)

    print ('Time taken for epoch {} is {} sec\n'.format(epoch + 1,
                                                        time.time()-start))
  checkpoint.save(file_prefix = checkpoint_prefix)

Este loop de treinamento salva registros que você pode ver facilmente no TensorBoard para monitorar o progresso do treinamento. Trabalhando localmente, você iniciaria um processo de tensorboard separado. Em um notebook, se você deseja monitorar com o TensorBoard, é mais fácil iniciar o visualizador antes de iniciar o treinamento.

Para iniciar o visualizador, cole o seguinte em uma célula de código:

%load_ext tensorboard
%tensorboard --logdir {log_dir}

Agora execute o loop de treinamento:

fit(train_dataset, EPOCHS, test_dataset)

png

Epoch:  149
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................

Time taken for epoch 150 is 16.14578342437744 sec


Se você deseja compartilhar os resultados do TensorBoard publicamente, pode fazer upload dos registros para TensorBoard.dev copiando o seguinte em uma célula de código.

tensorboard dev upload --logdir  {log_dir}

Você pode ver os resultados de uma execução anterior deste notebook no TensorBoard.dev .

TensorBoard.dev é uma experiência gerenciada para hospedar, rastrear e compartilhar experimentos de ML com todos.

Ele também pode ser incluído inline usando um <iframe> :

display.IFrame(
    src="https://tensorboard.dev/experiment/lZ0C6FONROaUMfjYkVyJqw",
    width="100%",
    height="1000px")

Interpretar os registros de um GAN é mais sutil do que uma classificação simples ou modelo de regressão. Coisas a procurar:

  • Verifique se nenhum dos modelos "ganhou". Se o gen_gan_loss ou o disc_loss ficar muito baixo, é um indicador de que este modelo está dominando o outro, e você não está treinando com sucesso o modelo combinado.
  • O valor log(2) = 0.69 é um bom ponto de referência para essas perdas, pois indica uma perplexidade de 2: Que o discriminador é em média igualmente incerto sobre as duas opções.
  • Para o disc_loss um valor abaixo de 0.69 significa que o discriminador está se saindo melhor do que o aleatório, no conjunto combinado de imagens reais + geradas.
  • Para o gen_gan_loss um valor abaixo de 0.69 significa que o gerador i está se saindo melhor do que aleatoriamente ao seguir o descriminador.
  • Conforme o treinamento avança, o gen_l1_loss deve diminuir.

Restaure o último ponto de verificação e teste

ls {checkpoint_dir}
checkpoint          ckpt-5.data-00000-of-00001
ckpt-1.data-00000-of-00001  ckpt-5.index
ckpt-1.index            ckpt-6.data-00000-of-00001
ckpt-2.data-00000-of-00001  ckpt-6.index
ckpt-2.index            ckpt-7.data-00000-of-00001
ckpt-3.data-00000-of-00001  ckpt-7.index
ckpt-3.index            ckpt-8.data-00000-of-00001
ckpt-4.data-00000-of-00001  ckpt-8.index
ckpt-4.index

# restoring the latest checkpoint in checkpoint_dir
checkpoint.restore(tf.train.latest_checkpoint(checkpoint_dir))
<tensorflow.python.training.tracking.util.CheckpointLoadStatus at 0x7f4fce701160>

Gerar usando o conjunto de dados de teste

# Run the trained model on a few examples from the test dataset
for inp, tar in test_dataset.take(5):
  generate_images(generator, inp, tar)

png

png

png

png

png