域迁移网络 (DTN)

无监督跨域图像生成 的 TensorFlow 实现。

需求

• Python 2.7
• TensorFlow 0.12
• Pickle
• SciPy

使用方法

克隆仓库

$ git clone https://github.com/yunjey/dtn-tensorflow.git
$ cd dtn-tensorflow

下载数据集

$ chmod +x download.sh
$ ./download.sh

将 MNIST 数据集调整为 32x32 大小

$ python prepro.py

预训练模型 f

$ python main.py --mode='pretrain'

训练模型 G 和 D

$ python main.py --mode='train'

将 SVHN 转换为 MNIST

$ python main.py --mode='eval'

结果

从 SVHN 到 MNIST

从照片到表情符号（论文中）

Domain Transfer Network (DTN) 快速上手指南

Domain Transfer Network (DTN) 是一个基于 TensorFlow 实现的无监督跨域图像生成工具，能够将一个领域的图像风格迁移到另一个领域（例如将 SVHN 数字图片转换为 MNIST 风格）。

环境准备

在开始之前，请确保您的系统满足以下要求。由于该项目基于较早期的 TensorFlow 版本，建议使用 Python 2.7 环境。

• 操作系统: Linux / macOS (Windows 需配置相应兼容环境)
• Python: 2.7
• 核心框架: TensorFlow 0.12
• 依赖库:
  • Pickle (Python 标准库)
  • SciPy

注意：鉴于项目依赖 TensorFlow 0.12 和 Python 2.7，建议创建独立的虚拟环境以避免与现有项目冲突。国内用户可使用清华源或阿里源加速 pip 包安装。

安装步骤

1. 克隆代码仓库

首先将项目代码下载到本地：

$ git clone https://github.com/yunjey/dtn-tensorflow.git
$ cd dtn-tensorflow

2. 安装依赖

确保已安装 Python 2.7 和 TensorFlow 0.12。若未安装，可使用以下命令（推荐国内镜像源）：

# 示例：使用清华源安装特定版本的 TensorFlow (需先确认源支持该旧版本)
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==0.12.0 scipy

3. 下载数据集

赋予下载脚本执行权限并运行，以获取所需的 SVHN 和 MNIST 数据集：

$ chmod +x download.sh
$ ./download.sh

4. 数据预处理

将 MNIST 数据集调整为模型所需的 32x32 分辨率：

$ python prepro.py

基本使用

完成上述准备后，您可以按照以下三个步骤运行模型：预训练、正式训练和效果评估。

1. 预训练特征提取器 (Model f)

首先对模型进行预训练：

$ python main.py --mode='pretrain'

2. 训练生成器与判别器 (Model G & D)

启动跨域迁移的主训练过程：

$ python main.py --mode='train'

3. 执行图像迁移 (评估模式)

训练完成后，运行评估模式将 SVHN 数据集图像迁移为 MNIST 风格，并查看生成结果：

$ python main.py --mode='eval'

运行结束后，生成的迁移图像将保存在输出目录中，您可对比原始 SVHN 图片观察风格转换效果。