提起前段時間紅遍朋友圈的 Prisma,可能許多朋友都還記憶猶新:輸入一張自己的照片,再選一個 Prisma 內置的名畫濾鏡,幾秒之後就能得到一張名畫風的新照片。
絕大部分用戶可能只是通過 Prisma 過了一把當畫家的癮,但對於程式猿們來說,僅僅得到一張風格迥異的新照片似乎還遠遠不夠。
近日,有位元外國開發者根據 fast.ai 平臺開設的深度學習
代碼實踐課程
,親手實現了一個照片風格轉換器,並對幾種常見的優化演算法的性能進行了綜合對比,最終以圖表加博客的方式記錄下來。
下面就讓我們跟隨作者的腳步,一起看看究竟哪種演算法最高效(程式猿是怎麼玩壞 Prisma 的)。原文來自
medium.com
,雷鋒網編譯。文中相關的代碼開源地址和原博客地址見文末。
什麼是照片風格轉換器?它是怎麼工作的?
問題1:什麼是風格轉換器(style transfer)?
所謂照片風格轉換器,就是類似 Prisma 的,轉換照片風格的軟體 App。他們抽取 A 照片的風格特徵(一般都是一張名畫),然後將這種特徵應用到 B 照片的內容上,從而生成了全新的照片 C。
問題2:怎樣分隔一張照片的風格和內容?
使用卷積神經網路(CNN)。由於 AlexNet 已經成功地將 CNN 應用於目標識別(即確定圖像中的主體內容),並且在 2012 年主導了最流行的電腦視覺競賽,因此 CNN 是目前用於圖像目標識別的最流行和有效的方法。
簡單說,CNN 是通過學習構建在先前圖層上的各個篩檢程式層來識別物件的。例如,第一層通常用來學習識別簡單的圖案,例如物體的邊緣和棱角。中間層可能用來識別更複雜的圖案,例如人物的眼鏡、汽車的輪胎等。Jason Yosinski 大神曾在下面這個視頻中詳細介紹了 CNN 的相關內容。
https://www.youtube.com/watch?v=AgkfIQ4IGaM
事實證明,CNN 第一層中的篩檢程式對應于一張照片的風格,包括畫筆描邊、紋理等。靠後的圖層中的篩檢程式對應於識別圖像中的主體,例如狗,建築物或一座山等。
例如,將一幅畢卡索的畫作輸入 CNN,並分析第一層(樣式層)有多少篩檢程式被啟動,就可以得到該畫作的樣式表示。同樣,通過最後一層(內容層)的分析,我們也可以得到畫作內容的表示。
問題3:怎樣將風格和內容融合在一起?
這一步很有意思。由於兩張照片的風格大不相同,因此它們的樣式層中啟動的篩檢程式也就不同,通過分析兩個樣式層中的篩檢程式,就能獲得兩張照片的樣式之間的差別。同樣,對內容層中篩檢程式的分析,也能得到兩張照片內容的差別。
例如,如圖所示,我們想把一張自拍照和畢卡索的畫作融合。融合後的圖像首先以圖示中的雜訊圖像為起點,然後將這張圖像輸入 CNN ,它會啟動樣式層和內容層中的一些特定的篩檢程式。按照上述的方法,通過對比融合照片和畢卡索畫作的風格層,就可以得到風格損失(style loss);通過對比融合照片和自拍照的內容層,就可以得到內容損失(content loss),將兩種損失相加,就得到了總損失。
下面的任務就很清楚了:通過優化演算法的介入,我們想辦法將這個總損失最小化,最終就得到了一張畢卡索風格的自拍照了。
問題4:有哪些常見的優化演算法?
到目前為止,我遇到了兩種類型的優化演算法:一階的和二階的。
一階方法通過梯度(gradient)將目標函數最小化(或者最大化)。應用最廣泛的就是梯度下降法(Gradient Descent)及其各種變體,詳情見如下連結:
http://sebastianruder.com/optimizing-gradient-descent/
二階方法是通過二階導數將目標函數最小化(或者最大化)。由於二階導數的計算成本很高,因此這裡所討論的二階演算法 L-BFGS(Limited-memory Broyden–Fletcher–Goldfarb–Shanno) 使用了 Hessian 矩陣近似。
哪種優化演算法最高效?
由於我們在以下試驗中處理的照片顏色灰度都介於 0-255 之間,因此將各演算法的學習率(learning rate)都設置為 10,這看起來可能有點大,但效果還可以接受。演算法的其他超參數(hyperparameters)都保持默認。測試的硬體環境是:Amazon P2 實例上的單片 K80 GPU。
實驗1:100 次迴圈,300 x 300 圖元
如圖所示,我們輸入了兩張 300 x 300 圖元的照片,並運行整個優化迴圈 100 次。雖然 100 次並不足以生成一個效果很好的融合照片,但對我們分析各個優化演算法的性能已經足夠了。
如圖所示,由於學習率設置的略大,因此梯度下降(Gradient Descent)、Adadelta 和 RMSProp 在整個迴圈中都處於不斷的震盪狀態,並沒有顯示出明顯的收斂趨勢。反觀 Adam 和 L-BFGS 演算法則能夠快速收斂,並且誤差也基本相同。
實驗2:100 次迴圈,600 x 600 圖元
當參數增多時,L-BFGS 演算法應該表現的更好。為此,我們在試驗2中增大了圖像,並切換了素材。
如圖所示,雖然學習率的設置還是略大,但梯度下降和 Adadelta 演算法在面對大資料量時顯得更穩定,RMSProp 還是始終處於震盪狀態。
另外,Adam 演算法一開始收斂很快,但後期被 L-BFGS 反超。不知道是不是和迴圈次數有關,下面我們試著增加迴圈次數。
實驗3:1000 次迴圈,300 x 300 圖元
在實驗3中,我們增加了迴圈次數,依然使用實驗2中的照片素材,但圖元變為 300 x 300。
如圖所示,在略大的學習率設置下,梯度下降、Adadelta 和 RMSProp 始終處於震盪狀態無法收斂。但 Adam、Adagrad 和 L-BFGS 三種演算法的收斂情況則相對較好,其中效果最好的 L-BFGS 大約比 Adam 的優化效果好 50% ,並且速度也更快。
從最終生成的融合照片的成像效果也能看出來,L-BFGS、Adam 和 Adagrad 的效果要好一些。
實驗4:不同的學習率,100 次迴圈,300 x 300 圖元
有說法稱過大的學習率可能會導致梯度下降、Adadelta 和 RMSProp 三種演算法不收斂,因此在實驗 4 中我們減小這三種演算法的學習率。
可以看到,所有演算法最終都收斂了。可能是得益於較低的學習速率,梯度下降的最終表現要優於 Adadelta 演算法。另外,較高的學習率雖然在一開始時幫助 Adam LR 10 取得了較快的收斂速度,但最終效果並不好。而 Adam LR 1 雖然收斂緩慢,但表現很穩定。那麼問題來了,如果增加迴圈次數,Adam LR 1 的表現是否會超過 Adam LR 10 呢?
實驗5:不同的學習率,500 次迴圈,300 x 300 圖元
增加迴圈次數之後,即便在學習速率較小的情況下,梯度下降、Adadelta 和 RMSProp 三種演算法也還是出現了震盪。
有趣的是,Adam LR 1 最終果然反超了 Adam LR 10,甚至有超過 L-BFGS 的趨勢。
實驗6:1000 次迴圈,300 x 300 圖元
這一次我們僅僅對 Adam LR 1 和 L-BFGS 進行了對比,通過進一步增加迴圈次數,可以看到,Adam LR 1 最終的表現並沒有超過 L-BFGS。
總結
從上述試驗可以發現:在較大的學習率設置下,梯度下降、Adadelta 和 RMSProp 三種演算法不容易收斂,但增大資料量,前兩種會有所好轉。總體上,L-BFGS 演算法的收斂效果最好,速度也最快。
改變學習率。Adam 在學習率較小時,收斂情況提升明顯,隨著迴圈次數的增大,收斂效果幾乎與 L-BFGS 演算法相當,但收斂情況最好的依然是 L-BFGS 演算法。
最後作者表示,以上實驗只是從參數設置、資料量和反覆運算次數等方面入手簡單探索了幾種常見演算法的特性,目的只是説明大家在開發中更好地使用它們。雖然試驗結果顯示 L-BFGS 演算法的收斂速度最快,效果最好,但按照個人習慣,他用 Adam 演算法的情況反而更多。另外,究竟哪種演算法效果最好,也不能一概而論,還是要根據資料類型和專案要求靈活選擇。
源碼地址:
https://github.com/slavivanov/Style-Tranfer
來源:
medium
,雷鋒網編譯
雷鋒網相關閱讀:
通過從零開始實現一個感知機模型,我學到了這些
城市版Prisma?用神經網路技術構建夢想中的城市
中國版 Prisma 來了,我們今天再聊聊深度學習