對比python學julia（第四章：人工智能）--（第四節）繪畫大師

　　1.1.  項目簡介

　　所謂圖像風格遷移，是利用深度學習技術,將一幅風格圖像輸人卷積神經網絡提取風格特徵，再將其應用到另一幅內容圖像上，從而生成一幅與風格囝像相仿的新圖像。如果選取繪畫大師的作品作爲風格囝像，那麼生成的新圖像就像是模仿大師風格創作的，讓人歎爲觀止。

(圖片來自網絡)

　　上圖中，圖A是原始圖像，其他5張圖像都是利用“圖像風格遷移”的AI技術生成的繪畫作品，每張圖像的左下角是用來改變原始圖像的風格圖像。

在本節將介紹利用已經訓練好的網絡模型對靜態圖像進行風格遷移。

　　1.2.  準備工作

　　在磁盤上創建一個名爲“painter“的文件夾作爲項目目錄，用於存放本項目的圖像、模型和源文件等，然後從原書的“資源包/第 35 課/”文件夾中把 models 和 images 兩個文件夾複製到“painter”文件夾中。models 文件夾中提供了一些己經訓練好的風格遷移網絡模型 ，images 文件夾中提供了一些用於測試的圖像文件 。

　　你也可以準備一些自己喜歡的照片放到 images 文件夾中，用於圖像風格遷移。

　　1.3.  圖像風格遷移

　　新建一個空白源文件，以Style_transfer.jl 作爲文件名保存到“painter”文件夾中 ，然後編寫程序實現圖像風格遷移，由於程序比較簡單，具體過程不做贅述，貼出python代碼和julia代碼，大家可以做個比較。

　　Python代碼：

 1 '''
 2 程序：圖像風格遷移
 3 作者：蘇秦@小海豚科學館公衆號
 4 來源：圖書《Python趣味編程：從入門到人工智能》
 5 '''
 6 import cv2
 7 
 8 #指定圖像和模型路徑
 9 image_file = 'image01.jpg'
10 model = 'starry_night.t7'
11 
12 #加載風格遷移模型
13 net = cv2.dnn.readNetFromTorch('models/' + model)
14 
15 #從文件中讀取圖像
16 image = cv2.imread('images/' + image_file)
17 (h, w) = image.shape[:2]
18 blob = cv2.dnn.blobFromImage(image, 1.0, (w, h),
19     (103.939, 116.779, 123.680), swapRB=False, crop=False)
20 
21 #將圖像傳入風格遷移網絡，並對返回結果進行計算
22 net.setInput(blob)
23 out = net.forward()
24 #print(out.shape)
25 #print(out[0])
26 #修正輸出張量，加上平均減法，然後交換通道排序。
27 out = out.reshape(3, out.shape[2], out.shape[3])
28 out[0] += 103.939
29 out[1] += 116.779
30 out[2] += 123.68
31 out /= 255
32 out = out.transpose(1, 2, 0)
33 
34 #顯示圖像到窗口，並保存圖像
35 #cv2.namedWindow('Image', cv2.WINDOW_NORMAL)
36 cv2.imshow('Image', out)
37 out *= 255.0
38 cv2.imwrite('output-' + model + '_' + image_file, out)
39 cv2.waitKey(0)
40 cv2.destroyAllWindows()

　　Julia代碼：

 1 using PyCall
 2 cv2=pyimport("cv2")
 3 
 4 #指定圖像和模型路徑
 5 image_file = "image01.jpg"
 6 model = "starry_night.t7"
 7 
 8 #加載風格遷移模型
 9 net = cv2.dnn.readNetFromTorch("models/" * model)
10 
11 #從文件中讀取圖像
12 image = cv2.imread("images/" * image_file)
13 (h, w) =size(image)[1:2]
14 blob = cv2.dnn.blobFromImage(image, 1.0, (w, h),
15     (103.939, 116.779, 123.680), swapRB=false, crop=false)
16 
17 #將圖像傳入風格遷移網絡，並對返回結果進行計算
18 net.setInput(blob)
19 out = net.forward()
20 #修正輸出張量，加上平均減法，然後交換通道排序。
21 out =reshape(out,(3,size(out,3),size(out,4))) 
22 out[:,:,1].+=103.939
23 out[:,:,2].+=116.779
24 out[:,:,3].+=123.68
25 out /= 255
26 out = permutedims(out,(2, 3, 1))
27 
28 #顯示圖像到窗口，並保存圖像
29 #cv2.namedWindow("Image", cv2.WINDOW_NORMAL)
30 cv2.imshow("Image", out)
31 out *= 255.0
32 println("output-" * model * "_" * image_file)
33 cv2.imwrite("output-" * model * "_" * image_file, out)
34 cv2.waitKey(0)
35 cv2.destroyAllWindows()

　　不過julia生成的圖像和python生成的圖像有差異，不知什麼原因。

　　這是julia生成的圖像：

　　這是pythn生成的圖像：

 　　希望有高手能看看問題出在哪裏。

　　使用不同的風格遷移網絡模型，可以生成不同風格的圖像。在原書“資源包/第 35 課/models”文件夾中提供了9種已經訓練好的風格遷移網絡模型，大家可以選擇不同的模型進行圖像風格遷。