[App4AI] CycleGAN

[簡介]

 

CycleGAN 是發表在 ICCV2017 image-to-image translation 的著名演算法,最大特點為不要求訓練數據要成對,只需要提供不同 domain 的影像就能成功訓練不同 domain 之間的影像轉換。

可應用於語義標籤的街道轉換成寫實影像、衛星影像轉換成地圖影像、將場景從白天轉換成夜晚、將黑白影像變成彩色影像、用輪廓圖合成出實品圖等各種應用。  

 

[操作步驟及說明]

 

APP 主要分成四大使用功能,資料準備、訓練、推論、其它。

 

APP.png

 

資料準備 :

 

Select Dataset選擇要進行 AI 學習的數據集。

如果要訓練自己的影像,請點選 View 檢視 data 資料夾,請複製一個預設的 horse-zebra 資料夾,將其改為自己的數據名稱,此時請先不要刪除資料夾內的任何子資料夾或檔案。

接著找到 trainA、trainB、testA、testB 資料夾,刪除資料夾內的舊影像與替換成自己需訓練、測試的影像。

 

如果要學習馬與斑馬之間的轉換

trainA : 馬的訓練影像。

trainB : 斑馬的訓練影像。

testA : 馬的測試影像。

testB : 斑馬的測試影像。

 

 

注意 : 

1. 影像長寬建議相同,正方形,如果不相同可以縮放或裁切等方式。

2. 圖檔與其附檔名需為 .jpg。  

 

資料準備.png

 

 

訓練前準備 :

 

訓練前,請依序點擊 1. visdom server 與 2. visdom server browser,如下圖,請勿按 x 關閉,用於訓練過程中,請保持開著。

 

開始訓練後,訓練的 loss 曲線圖等資訊會 post 到 visdom server 且顯示在 visdom server browser 上。  

 

visdom.png

 

 

訓練 :

 

訓練.png

 

按下 3. train 即可開始訓練。在訓練過程中,可以藉由前一步驟開啟的 2. visdom server browser 觀看 loss 變化曲線與訓練效果。 

 

其訓練時,可以設定的參數如下 :

    Continue training : 如果要接續訓練,請打勾,訓練會自動載最後一個模型接著訓練 (latest_net_G_A.pth、latest_net_G_B.pth、latest_net_D_A.pth、latest_net_D_B.pth)。反之,不要打勾。

 

    Dataroot : 訓練影像檔案位置,按下 view 可以看到 trainA 與 trainB,資料夾內為訓練影像。

 

    Checkpoints dir : 放置訓練產出模型的資料夾,按下 view 可以查看資料夾。

 

    GPU ID : 您的裝置如果有支援 NVIDIA GPU 加速運算,請設定 GPU ID,如使用第 0 顆 GPU 則設置為 0,使用第0、1 顆 GPU 則設置為 0, 1; 若未支援NVIDIA GPU 加速運算,則設置為 -1。

 

    Batch size : 一次訓練的樣本數。

 

    N epochs : 設定訓練的週期數。訓練的總週期數會再額外加 100 期是使用線性衰減至 0 的學習率。

 

    Save epoch freq : 儲存模型的頻率週期數。  

 

 

推論:

 

推論整個資料夾。

按下 4. inference folder,選擇模型,開始推論,推論完成後跳出瀏覽器可查看推論結果。

 

推論參數如下 :

 

    A->B : 將 A 轉成 B;B->A : 將 B 轉成 A。 例如訓練時,A 是斑馬、B 是馬,則推論選擇 A->B,即把斑馬轉成馬。

 

    Inference folder : 顯示推論圖片的資料夾位置。此資料夾為資料準備步驟裡面的 testA 與 testB 資料夾。

 

    GPU ID : 您的裝置如果有支援 NVIDIA GPU 加速運算,請設定 GPU ID,如使用第 0 顆 GPU 則設置為 0,使用第0、1 顆 GPU 則設置為 0, 1; 若未支援NVIDIA GPU 加速運算,則設置為 -1。  

 

推論.png

 

 

 

聯絡我們及購買方式


請參閱以下網址:

https://tw.leaderg.com/article/index?sn=11056

延伸閱讀

1.
App4AI 人工智慧軟體 Windows 版

2.
App4AI 人工智慧軟體 Linux 版

3.
COMPUTER-22 中階人工智慧工作站

4.
COMPUTER-38 高階人工智慧工作站

感謝客戶們的支持

臺灣大學、清華大學、陽明交通大學、成功大學、臺北醫學大學、臺北護理健康大學、中興大學、中山大學、暨南大學、宜蘭大學、嘉義大學、聯合大學、淡江大學、逢甲大學、長庚大學、義守大學、實踐大學、大同大學、中原大學、東吳大學、銘傳大學、臺科大、北科大、臺中科大、雲林科大、勤益科大、虎尾科大、屏東科大、高雄科大、朝陽科大、明志科大、南臺科大、亞東科大、中國科大、國防大學、海軍軍官學校、陸軍專科學校、鼓山高中、臺大醫院、榮民總醫院、長庚醫院、亞東醫院、慈濟醫院、義大醫院、中山科學研究院、國防部軍備局、法務部調查局、工研院、資策會、原子能委員會核能研究所、農業委員會特有生物研究保育中心、勞動部勞動研究所、紡織研究所、金屬工業研究發展中心、台灣儀器科技研究中心、車輛測試中心、台灣自來水公司、台積電、聯電、南亞科、華邦電子、精材科技、華信光電、友達光電、群創光電、瀚宇彩晶、台塑、台塑網、南亞塑膠、台灣化學纖維、中國石油、羅技電子、義隆電子、隆達電子、達方電子、鴻海、大聯大 - 世平興業、盟立自動化、迅得機械、南茂科技、順達科技、致伸科技、英特盛、豐興鋼鐵、中宇環保工程、竹陞科技、研揚科技、敦陽科技、竑騰科技、先豐通訊、神達電腦、神通電腦、百佳泰、科音國際、峰安車業、鴻鵠國際、藍海智能等。