【变狗为猫】伯克利图像迁移cycleGAN，猫狗互换效果感人
1 新智元编译
来源：qiita.com
作者：itok_msi 编译：neko
【新智元导读】日本 NTT Data 的研究者用 cycleGAN 网络，做了一个“将狗和猫的图像互换”的模型，并且生成的猫或者狗的姿势和毛色与输入的图像保持一致。作为图像研究的重要课题，这个项目取得了不错的进步。
GAN（生成对抗网络）为图像变换任务带来了很多的惊喜，受到很多研究者的关注。例如前阵子很火的“画猫”项目（edges2cats）：勾勒出物体的边缘，神经网络能够自动补全图像信息，生成对应的图片（图1）。也有人脑洞大开，用DCGAN、WGAN等4种GAN来生成“猫图”（图2）。最近，日本NTT Data的itok_msi小哥用其中比较新的cycleGAN网络，做了一个“将狗的图像变成猫”的模型，并且生成的猫的姿势和毛色与作为输入的狗的图像保持一致。
图1：edges2cats 画猫
图2：WGAN 生成的猫咪图像
cycleGAN是加州大学伯克利分校 Jun-Yan Zhu等人提出的一种图像风格转换技术。它的想法是在没有成对的训练数据的情况下，实现图像风格转换。cycleGAN效果令人印象深刻，它可以让不同画家风格的画作还原成照片，将夏天变成冬天，将马变成斑马，橘子变成苹果，等等（图3）。
图3：cycleGAN 的图像转换效果
cycleGAN 的具体方法和实现细节请参看论文，论文地址：https://arxiv.org/abs/1703.10593
实际上，cycleGAN的原论文（Zhu, Jun-Yan, et al., 2017）中也提出了将狗的图像变成猫的想法，但论文中的实验结果是失败的（图4）。
图4：cycleGAN将狗转变成猫的是失败例子
这是由于猫和狗的毛色、质感不同，尤其是脸型差异非常大。原论文中也指出这是往后需要研究的一个课题。
尤其是，Gdog→cat（将狗转变成猫）出来的图像几乎与原图一模一样。原因是什么呢？作者提出了2个可能的原因：
1. cycle consistency loss的效果太强
要将猫和狗进行变换，就不得不牺牲输入图像的一部分信息。这就需要使cycle consistency loss增大。一方面，假如输入图像和输出的图像完全一样，也就是cycle consistency loss需要最小。我们想要将狗变成猫，那么完全一样是不行的，也就是cycleGAN的损失需要大一点。但是，这里的问题出在狗和猫有一些局部特征是非常相似的。
2. 狗和猫的局部特征非常相似
cycleGAN的判别器（DA，DB）采用patchGAN（参考文献[1][2]）的机制学习。在鉴别输入的图像是生成器生成的图像，还是源图像时，不使用整个图像，而是使用图像的局部（patch）进行判别。
判别器网络变小虽然有好处，但是猫和狗有些局部特征非常相似，使得学习相当困难（图5）。换句话说，就算Gdog→cat（将狗变换成猫）生成的结果与源图像完全一致，也可能欺骗判别器说变换的效果非常好。
图5：狗和猫有一些局部特征非常相似
针对上面的2个问题，对cycleGAN进行2个简单的修改。
1. 让判别器观察全局特征进行判断
简单地说，在patchGAN的判别器增加一层，LGAN同时考虑全局的信息和局部的信息。
2. 在误差函数上将cycle consistency loss的比例变小
误差函数上cycle consistency loss的系数减小到原来的1/10。
在cycleGAN论文作者开源的pytorch实现基础上稍作修改，实验环境是aws的p2.2xlarge实例。
使用数据
使用The Oxford-IIIT Pet Dataset，其中狗的图像1922幅，猫的图像3922幅作为训练数据，其余作为验证数据。
实验结果
比较好的结果（猫→狗）
似乎长得蠢蠢的猫输出的结果也是蠢蠢的狗
比较好的结果（狗→猫）
失败的结果（猫→狗）
失败的结果（狗→猫）
思考
虽然作了一些修改，但有时候不能得到期待的结果，尤其是：
动物的毛色信息没有保留
背景和动物融为一体
生成的图像非常模糊
变换前后的猫狗图像看起来没什么区别
失败的例子有点多。
原因可能是：
修改后的网络误差比例太小
鉴别器的网络太大导致学习效果不好
在上面的实验的基础上，针对实验失败的可能原因继续进行修改后，得到了比较好的一些结果：
比较好的结果（猫→狗）
比较好的结果（狗→猫）
失败的结果（猫→狗）
失败的结果（狗→猫）
总的来说，如果狗和猫的图像是朝向正面，结果会比较好。这是由于从正面看，猫和狗的五官有相似之处。但是在上面两个例子中，如果图像中猫或狗的脸朝向侧面，狗有大耳朵而猫没有，需要进行大胆的变换，依然是相当难的。
参考文献
[1]Jun-Yan Zhu, Taesung Park, Phillip Isola, Alexei A. Efros, Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks, arXiv preprint arxiv:1703.10593, 2017.
[2]Phillip Isola, Jun-Yan Zhu, Tinghui Zhou, Alexei A. Efros, Image-to-Image Translation with Conditional Adversarial Networks, Image-to-Image Translation with Conditional Adversarial Networks, arXiv preprint arxiv:1611.07004 , 2016.
原文：http://qiita.com/itok_msi/items/b6b615bc28b1a720afd7
【号外】新智元正在进行新一轮招聘，飞往智能宇宙的最美飞船，还有N个座位
点击阅读原文可查看职位详情，期待你的加入~