
上QQ阅读APP看书,第一时间看更新
AI源码解读.数字图像处理案例:Python版
2.3.4 构建Pix2Pix数据集
本部分包括卷积神经网络生成风格迁移图片和Pix2Pix数据集格式处理,用于制作适用于Pix2Pix模型训练的数据集。
1.生成风格迁移图片
训练Pix2Pix所需图片较少,因此,使用已经训练好的卷积神经网络模型处理COCO-train2014数据集中的前500张图片,相关代码如下:

输出结果如图2-17所示。

图2-17 卷积神经网络处理结果
2.Pix2Pix数据集格式处理
由于训练Pix2Pix模型需要使用大小固定的图片集,因此,对原图片和风格迁移后图片的大小需要进行修改,同时将原图片和翻译后的图片拼接。
1)调整图片大小
使用TensorFlow自带的image函数分别处理内容图片和风格图片,相关代码如下:

处理结果如图2-18和图2-19所示。

图2-18 风格处理结果

图2-19 图片处理结果
2)图片拼接
使用OpenCV和Numpy库实现图片拼接,相关代码如下:

数据集如图2-20所示。

图2-20 Pix2Pix数据集