文件名称：WCT-TF:TensorFlowKeras通过https实现“通过功能变换进行通用样式传递”
文件大小：9.41MB
文件格式：ZIP
更新时间：2024-05-17 16:17:09
Python
通过TensorFlow和Keras的特征变换实现通用样式转移 这是Li等人通过的TensorFlow / Keras实现。 核心架构是经过训练的自动编码器，可以从预先训练的VGG19图像分类网的中间层进行重构。 样式化是通过匹配内容/样式图像特征的统计信息来完成的，该功能在TensorFlow和NumPy中均已实现。 没有样式图像用于训练，并且WCT允许对任意内容/样式图像对进行“通用”样式传输。 与原始论文一样，分别训练层reluX_1 (X=1,2,3,4,5)重建解码器，然后将其连接到单个图中的多级样式化管道中。 为了减少内存使用，将单个VGG编码器加载到最深的relu层，并由所有解码器共享。 见的官方火炬实施和的PyTorch版本。 样品 要求 Python 3.x 张量流1.2.1+ keras 2.0.x 火炬文件包含与Windows兼容的修改过的torchfile
【文件预览】：
WCT-TF-master
----models()
--------download_vgg.sh(579B)
--------download_models.sh(189B)
----coral.py(3KB)
----utils.py(5KB)
----webcam.py(11KB)
----train.py(9KB)
----Dockerfile(3KB)
----stylize.py(6KB)
----LICENSE(1KB)
----samples()
--------gilbert_stylize.png(8.26MB)
--------sullivan_style_swap.png(1MB)
--------gilbert.jpg(118KB)
----ops.py(12KB)
----requirements.txt(82B)
----stylize_video.py(7KB)
----model.py(15KB)
----torchfile.py(17KB)
----.gitignore(138B)
----wct.py(4KB)
----vgg_normalised.py(2KB)
----.dockerignore(30B)
----README.md(12KB)
----webcam_utils.py(3KB)