1

我正在做神经风格迁移。我正在尝试重建 VGG19 网络的卷积层 conv4_2 的输出。

def get_features(image, model):

    layers = {'0': 'conv1_1', '5': 'conv2_1',  '10': 'conv3_1', 
              '19': 'conv4_1', '21': 'conv4_2', '28': 'conv5_1'}
    x = image
    features = {}

    for name, layer in model._modules.items():
        x = layer(x)

        if name in layers:
            features[layers[name]] = x   

    return features

content_img_features = get_features(content_img, vgg)
style_img_features   = get_features(style_img, vgg)

target_content = content_img_features['conv4_2']

content_img_features 是一个包含每一层输出的字典。target_content 是一个形状张量torch.Size([1, 512, 50, 50])

这是我使用张量绘制图像的方法。它适用于输入图像以及最终输出。

def tensor_to_image(tensor):
    image = tensor.clone().detach()
    image = image.numpy().squeeze()
    image = image.transpose(1, 2, 0)
    image *= np.array((0.22, 0.22, 0.22))+ np.array((0.44, 0.44, 0.44))
    image = image.clip(0, 1)
    return image

image = tensor_to_image(target_content)
fig = plt.figure()
plt.imshow(image)

但这会引发错误，

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-188-a75a5f0743bb> in <module>()
      1 
----> 2 image = tensor_to_image(target_content)
      3 fig = plt.figure()
      4 plt.imshow(image)

<ipython-input-186-e9385dbc4a85> in tensor_to_image(tensor)
      3     image = image.numpy().squeeze()
      4     image = image.transpose(1, 2, 0)
----> 5     image *= np.array((0.22, 0.22, 0.22))+ np.array((0.44, 0.44, 0.44))
      6     image = image.clip(0, 1)
      7     return image

ValueError: operands could not be broadcast together with shapes (50,50,512) (3,) (50,50,512)

这是我在传递给 cnn 层之前对图像应用的初始转换，

def transformation(img):

    tasks = tf.Compose([tf.Resize(400), tf.ToTensor(),
            tf.Normalize((0.44,0.44,0.44),(0.22,0.22,0.22))])
    img = tasks(img)[:3,:,:].unsqueeze(0)    

    return img

我该如何解决？还有另一种方法可以从卷积层重建图像吗？

4

1 回答 1

0

您的tensor_to_image方法仅适用于 3 通道图像。您对网络的输入是 3 个通道，最终输出也是如此，因此它在那里工作正常。但是你不能在内部高维激活中做同样的事情。

本质上问题是您尝试应用通道标准化，但您只有三个通道的参数，这就是该特定行失败的原因。您需要一个包含 512 个元素的均值和标准差向量。因此，例如，这将起作用：

image *= np.random.random([512]) + np.random.random([512])

然而，根本问题仍然是您尝试可视化高维 512 通道图像，而不是传统的 3 通道 (RGB) 图像。您可以尝试单独或以 3 个为一组来可视化通道，但它可能仍然没有真正有用。

于 2019-03-21T09:43:48.660 回答