CycleGan转卡通头像

氨基甲酸酯 CycleGAN实现，允许在人脸和卡通脸之间进行图像到图像的转换。 依存关系 Python版本3.8.5+ PyTorch版本1.8.0 培训说明 如果尚未下载数据，请取消注释train.py中“下载数据”部分的注释。 运行train.py TODO：添加文件以测试预先存在的权重。 结果 我将在此处总结我的结果，以对我的培训过程进行更详细的分析，请参见

人脸转动漫数据集，可由cyclegan等算法实现人脸和动漫人脸互换，已由DK数据工作室处理好，已划分训练集和测试集，共1w张图片，可直接作为cyclegan的数据集。本工作室的项目经验在B站展示：...

1. 数据准备：收集大量的人脸图像和对应的卡通头像作为训练数据。这些数据应具有多样性，涵盖不同性别、年龄和种族，以便模型学习普适性更强的转化规则。 2. 模型构建：构建两个生成器G1和G2，分别用于将真实人脸...

使用OpenCV对摄像头中的图像进行卡通画处理，基于OpenCV2.4.2,VS2010，环境需要自己配置~ 博客描述http://blog.csdn.net/guoming0000/article/details/8290146 本人blog：http://ilovecode.cn

我们使用了循环一致性生成对抗网络（ CycleConsistent Generative Adversarial Networks, CycleGAN）实现了将绘画中的艺术风格迁移到摄影照片中的效果。这种方法从图像数据集中学习整体风格，进行风格转换时只要将目标图片输入网络一次，不需要迭代的过程，因此速度较快。我们使用了一些自己制作的数据集训练了 CycleGAN 风格迁移模型，并分析了这种方法的优点和局限性。为了使风格转换后的图片保留原来的色彩分布，我们实现并分析对比了多种颜色匹配的方法。我们还利用了 Mask R-CNN 模型生成的掩膜图像来做图像运算而实现了局部风格转换和混合风格转换等效果。

图像转换涵盖了计算机图形、计算机视觉以及深度学习图像和视频分析领域的广泛应用。图像转换的基本理念是将输入图像转换为输出图像。这不同于对图像进行自编码，因为在自编码过程中，输入和输出是完全相同的。而对于图像转换而言，我们期望输入与输出属于不同的图像集。例如，输入图像是一张风景照，而输出图像则可能是对这张照片进行艺术风格处理后的结果。又如，输入图像是一张马的照片，而输出图像则应是斑马的照片。假设您有一张地图，上面显示着街道和高速公路的轮廓，而您想要对这些图像应用一种纹理，使之看起来就如卫星图像一般。您或许想要重现 Google AI 实验，将素描图转换成猫的图片。又或者您想要重新创建 FaceApp 应用程序，让它为人脸增添微笑效果。这些都是图像转换的具体示例。