animeGAN
anime face images and meta data
การใช้งาน Pytorch อย่างง่ายของเครือข่ายฝ่ายตรงข้ามกำเนิดโดยมุ่งเน้นไปที่การวาดภาพใบหน้าอนิเมะ
ภาพถูกสร้างขึ้นจากโมเดล DCGAN ที่ผ่านการฝึกอบรมเกี่ยวกับตัวละครอนิเมะ 143,000 ตัวหันหน้าไปทาง 100 ยุค
การจัดการรหัสแฝงช่วยให้การเปลี่ยนจากภาพในแถวแรกเป็นแถวสุดท้าย
ภาพไม่สะอาดสามารถสังเกตได้ว่ามีค่าผิดปกติซึ่งลดคุณภาพของภาพที่สร้างขึ้น
เพื่อเรียกใช้การทดลอง
$ python main.py --dataRoot path_to_dataset/ รูปแบบที่ผ่านการฝึกอบรมสำหรับ DCGAN ยังอยู่ใน repo นี้เล่นมันในสมุดบันทึก Jupyter
ภาพอนิเมะสไตล์ 126 แท็กถูกรวบรวมจาก Danbooru.donmai.us โดยใช้ Gallery-DL เครื่องมือ Crawler ภาพจะถูกประมวลผลโดยอนิเมะเครื่องตรวจจับ Python-animeface ชุดข้อมูลที่ได้นั้นมีใบหน้าอะนิเมะ ~ 143,000 ใบหน้า โปรดทราบว่าแท็กบางตัวอาจไม่มีความหมายหลังจากการปลูกพืชอีกต่อไปเช่นภาพใบหน้าที่ถูกครอบตัดภายใต้แท็ก 'เครื่องแบบ' อาจไม่มีส่วนที่มองเห็นได้ของเครื่องแบบ
จะสร้างชุดข้อมูลตั้งแต่เริ่มต้นได้อย่างไร?
Prequisites: Gallery-DL, Python-animeface
ดาวน์โหลดภาพอนิเมะ
# download 1000 images under the tag "misaka_mikoto"
gallery-dl --images 1000 " https://danbooru.donmai.us/posts?tags=misaka_mikoto "
# in a multi-processing manner
cat tags.txt |
xargs -n 1 -P 12 -I ' tag '
bash -c ' gallery-dl --images 1000 "https://danbooru.donmai.us/posts?tags=$tag" 'แยกใบหน้าออกจากภาพที่ดาวน์โหลด
import animeface
from PIL import Image
im = Image . open ( 'images/anime_image_misaka_mikoto.png' )
faces = animeface . detect ( im )
x , y , w , h = faces [ 0 ]. face . pos
im = im . crop (( x , y , x + w , y + h ))
im . show () # displayฉันได้ทำความสะอาดชุดข้อมูลต้นฉบับชุดข้อมูลรุ่นใหม่มีภาพ 115085 ในแท็ก 126 แท็ก คุณสามารถเข้าถึงภาพได้จาก:
กรุณาใช้งานที่ไม่ใช่เชิงพาณิชย์
ฉันไม่ได้ตรวจสอบพวกเขาอย่างระมัดระวังหากคุณกำลังมองหาเคล็ดลับทั่วไปของ Gan ให้ดูที่ @Soumith's Ganhacks
@jayleicn
