[PYTHON] Lassen Sie Hisakos Gitarre durch maschinelles Lernen durch ihre eigene ersetzen.

Vorbereitung (vorher)

Ich wollte ein gutes Gefühl mit CycleGAN haben, also sammelte ich zuerst Bilder von Gitarren. Ich habe das Bild heruntergeladen und seine Größe geändert. Klicken Sie hier für Details (https://qiita.com/nozomi254/private/2fc55cc8ae8e6359f8a7)

Ausführung

Meine Umgebung

Laden Sie Bilder mit FileZilla hoch

Ich habe den Ordnernamen gleich gemacht, damit er dem in README beschriebenen Verfahren entspricht Schließlich hatte ich keinen Black-Jazz-Meister und nicht genug Energie, um mein Bestes zu geben.

maps
├── trainA(Sunburst zum Lernen:284 Blatt)
├── trainB(Schwarz zum Lernen:94 Blatt)
├── testA(Sunburst testen:151 Blatt)
└── testB(Schwarz testen:76 Blatt)

Es wurde ein sehr unmotiviertes und unausgeglichenes Gefühl. Es sieht nicht gut aus, aber danke.

Ich dachte, dass die in der Universitätsklasse verwendete Datei Zilla einfach zu verwenden sein könnte, also habe ich sie angeschlossen. Sie können so etwas nicht einfach in das Quadrat oben eingeben, sondern sollten es wie "AWS File Zilla" (http://support.amimoto-ami.com/de/articles/934126-filezilla-) nachschlagen. % E3% 82% 92% E4% BD% BF% E3% 81% A3% E3% 81% 9F-sftp-% E6% 8E% A5% E7% B6% 9A)

Das Schöne daran ist, dass Sie Ordner und Dateien per Drag & Drop hochladen können, oder ich weiß nicht, wie ich es anders machen soll.

Bevor Sie das gesamte Verzeichnis maps hochladen, das im ersten Teil erstellt wurde, müssen Sie sicherstellen, dass sich jetzt keine Karten auf der AWS-Seite befinden. Ich habe ein Lichtjahr gebraucht, um es mit FileZilla zu entfernen.

mv maps maps_real

Gelöst mit. mv kann auch verwendet werden, um den Namen zu ändern. Ich denke, dass sogar Operationen mit FileZilla in 1/200 Millionen Sekunden durchgeführt werden können

Ausführen

Die Ordnernamen sind ebenfalls verfügbar, also [README auf dem ursprünglichen GitHub]( Folgen Sie den Anweisungen in pytorch-CycleGAN-and-pix2pix). Lerne zuerst.

python train.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan

Braucht Zeit

Bild in check_point nach dem Lernen erstellt

Es scheint, dass der Code wirklich gut gemacht ist und eine Webseite erstellt und das Ergebnis zeigt, aber ich kann ihn nicht sehen, weil er für immer geladen wird Aus irgendeinem Grund werden auch die Bilder (Luftbilder und Kartenfotos), die in den Originalkarten enthalten waren, gemischt. Vorerst die, die ich in Atoms Vorschau gesehen habe und die zu funktionieren scheint スクリーンショット 2020-01-21 12.08.04.png スクリーンショット 2020-01-21 12.08.18.png スクリーンショット 2020-01-21 12.08.43.png HM. rec und idt scheinen Rekonstruktion, Rekonstruktion und Identitätsidentität zu bedeuten rec_A = F(G(A)) rec_B = G(F(B)) idt_A = G(B) idt_B = F(A) Referenz: verschiedene Ausgaben (Bilder) # 326

Sobald die Karte gemischt ist, scheint es, dass nur das Ergebnis (ich glaube, dass es nicht mit dem zum Lernen gemischt ist) hinsichtlich des Erstellungsdatums und der Erstellungszeit angezeigt wird. Führen Sie den Test also einfach so aus, wie er ist

python test.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan

Ergebnis

Derjenige, der funktioniert hat

スクリーンショット 2020-01-21 14.30.17.png スクリーンショット 2020-01-21 14.56.14.png スクリーンショット 2020-01-21 14.30.47.png

Derjenige, der nicht konnte

スクリーンショット 2020-01-21 14.33.36.pngスクリーンショット2020-01-2114.34.15.png Es scheint schwierig für den Hintergrund zu sein, schwarz zu sein oder für Live-Videos Was ist, wenn der Hintergrund transparent ist? Ich wurde beraten, aber ich wollte, dass die Leute ihr Bestes auf der Gitarre geben, die sie spielen ...

Diese Jazzmasse hat sich so verändert

111_A_real_A.png111_A_fake_B.png Es gibt immer noch Kratzer und es sieht so aus

119_A_real_A.png119_A_fake_B.png Ist das schwarz und weiß? Über

125_A_real_A.png125_A_fake_B.png Das ist nur schwarz und weiß

Zusammenfassung und Reflexion

Zusammenfassung

Betrachtung

Ausführungsversion Version 2

Sie können Pycharm und AWS verbinden, also möchte ich das auch versuchen

Fortsetzung folgt···

Recommended Posts

Lassen Sie Hisakos Gitarre durch maschinelles Lernen durch ihre eigene ersetzen.
Klassifizierung von Gitarrenbildern durch maschinelles Lernen Teil 1
Klassifizierung von Gitarrenbildern durch maschinelles Lernen Teil 2
[Maschinelles Lernen] Erstellen Sie ein Modell für maschinelles Lernen, indem Sie Transferlernen mit Ihrem eigenen Datensatz durchführen
Maschinelles Lernen mit Pokemon gelernt
Maschinelles Lernen mit Python! Vorbereitung
Maschinelles Lernen Minesweeper mit PyTorch
Beginnend mit maschinellem Python-Lernen
4 [/] Vier Arithmetik durch maschinelles Lernen
Versuchen Sie es mit Kaggle leicht maschinell
Maschinelles Lernen mit Docker (42) Programmieren von PyTorch für Deep Learning Von Ian Pointer
[Einführung in Style GAN] Einzigartiges Lernen von Animation mit Ihrer eigenen Maschine ♬
Ich habe maschinelles Lernen mit liblinear versucht
Maschinelles Lernen mit Python (1) Gesamtklassifizierung
Zusammenfassung des maschinellen Lernens von Python-Anfängern
SVM versucht maschinelles Lernen mit Scikit-Learn
Quanteninspiriertes maschinelles Lernen mit Tensornetzwerken
Beginnen Sie mit dem maschinellen Lernen mit SageMaker
"Scraping & maschinelles Lernen mit Python" Lernnotiz
Maschinelles Lernen mit Funken (86) mit Funken (1) "Maschinelles Lernen mit Funken" Von Rajdeep Dua, Manpreet Singh Ghotra, Nick Pentreath