GAN_facialGeneration_64pixel

用GAN生成人脸

安装要求

• nvidia显卡
• CalebA人脸数据集
• python3
• 一些python库
  • tensorflow-gpu(我使用的是1.12版本)
    pip3 install --index-url http://pypi.douban.com/simple --trusted-host pypi.douban.com --upgrade tensorflow-gpu==1.12
  • matplotlib(绘图)
    pip3 install --index-url http://pypi.douban.com/simple --trusted-host pypi.douban.com --upgrade matplotlib
  • jupyter(非必须)
    pip3 install --index-url http://pypi.douban.com/simple --trusted-host pypi.douban.com --upgrade jupyter
  • Pillow
    pip3 install --index-url http://pypi.douban.com/simple --trusted-host pypi.douban.com --upgrade Pillow
• cuda、cudnn(与tensorflow-gpu所对应的版本)

测试

训练模型

这里使用的人脸训练集是CalebA人脸数据集。
CalebA人脸数据集 是香港中文大学的开放数据，包含10,177个名人身份的202,599张人脸图片，并且都做好了特征标记，这对人脸相关的训练是非常好用的数据集。
将其中的img_align_celeba.zip解压，得到一个包含202,599张人脸图片的文件夹，为了凑个整，你可以把自己的照片放进去(不需要修改图片和图片名称)。
打开 main.py。
修改其中的 image_path 参数为你的人脸数据集目录。
然后运行 main.py，开始训练。
你可以随时终止运行，在运行的过程中会自动保存网络，保存路径为./my_net/。
训练过程中部分图片如下：(展示的分别是第1次，第101次，第1001次，第18001次，第72001次训练结果)

生成gif图

• 原理

gan网络中有两个神经网络：鉴别网络和生成网络。生成网络是根据一个N维向量生成的人脸，在训练时，我们随机生成这个N维向量。
这个N维向量即是一个N维空间中的一个点，所以N维空间中每一个点就是一个人脸。若a脸对应于A点，b脸对应于B点，那么我们连接A、B两点，从A点出发走向B点，就可以得到由a脸逐渐变化为b脸。
这里我们生成的是上图倒数第三列的人脸变化的gif图。

• 实现

运行showimg.py，在testimg目录下生成了一个gif图
gif图如下：

gif的每一帧：

• 问题

在利用训练好的网络生成图片时发现了一个问题，生成的图片质量很不好，即使使用和示例图片相同的随机初始向量也依然如此。
是因为训练时我们每次给生成网络喂食100个随机初始向量，然后其生成100张人脸。
所以生成图片时必须使随机初始向量接近于100个，并且尽量随机。
当我想生成从A脸到B脸过渡的图片时，其每个初始向量在一条线上，不是随机分布的。
所以我们取10个我们所需的初始向量，再加上90个随机初始向量，凑成100个符合要求的随机初始向量，再取结果的前10张图片。

已训练好的模型

训练了一个晚上，从半夜两点到第二天中午十二点，晚上电脑风扇一直在响。共训练了72000次。
如果你想使用我已训练好的模型，可以联系我,email:[email protected]

鸣谢

该项目参考于阿里云天池课堂中的代码，源代码是生成手写数字。
感谢以下项目：

• https://github.com/soumith/ganhacks
• https://github.com/carpedm20/DCGAN-tensorflow