%20(2).svg)
项目简介
本项目以生成对抗网络（GAN）为核心技术构建人脸卡通化模型。在已有研究基础上，引入人脸关键点的辅助定位方式，对将人脸图像转化为卡通人像的风格变换技术进行了优化。可通过调整损失函数的权重和使用不同风格的卡通数据集，生成各类风格和样式的卡通人脸像。
项目的主要特性和功能
- 基于生成对抗网络（GAN）：借助生成器和判别器的对抗学习，实现人脸图像到卡通风格的转换。
- 人脸关键点辅助定位：优化风格变换技术，提升卡通化效果。
- 非成对数据训练：采用非成对数据训练模型，使模型学习卡通风格并迁移到真实人脸图像。
- 多风格支持：通过调整损失函数权重和使用不同卡通数据集，可生成多种风格样式的卡通人脸图像。
安装使用步骤
假设用户已经下载了本项目的源码文件，可按以下步骤操作：
1. 获取数据集：把卡通数据集和人脸数据集放置于datasets/{yourdatasets}，并修改pretrain.py、train.py、test.py代码中读取数据集的路径。
2. 模型预训练：运行pretrain.py文件生成预训练模型，模型存放位置为./checkpoints/saved_models/pre_gen_batch_{iters}.pth。
sh
python pretrain.py --total_iter 50000
参数total_iter用于调节预训练epoch数。
3. 训练模型：
sh
python train.py --total_iter 30000 --model_version 1 --w0 1e5 --w1 2e-1 --w2 5 --w3 2e1 --w4 6e-1
参数total_iter调节训练epoch数，model_version为模型编号（用于区分不同模型），其余参数用于调节模型各部分loss权重。
4. 测试模型精度：
sh
python test.py --model_version 49 --batch 500
model_version为模型编号，batch为测试模型所需的batch数。运行代码后会输出卡通画前后的人脸图像，用于进行对比。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】