/facial-gan

A GAN model for facial expression from a single image based on emotionNet and CeleFaces Attributes

Primary LanguagePython

Facial Expression GAN

依赖

训练

  • 数据集准备, 数据集目录结构
    • imgs/人脸剪裁后128*128图像
    • train_ids.csv 单列CSV文件, 图像文件名
    • aus_openface.pkl python持久化字典, key是图像文件名(不带扩展名)
  • 训练启动
python main.py --data_root <DataSet Root Dir name> --gpu_ids <GPU IDs> --sample_img_freq <Sample Frequency> --visdom_display_id 0

预处理好的数据集, 预训练模型下载

  • 浙大云盘
    • datasets/ 分享 https://pan.zju.edu.cn/share/5e439e935aa947f25fea3a946a 密码2333
    • ckpts/ 分享 https://pan.zju.edu.cn/share/409d4ca322d601ec3e44caac40 密码2333
  • 保留目录结构, 拷贝至工程根目录
    • datasets/
      • celebA/
      • own/
    • ckpts/
      • emotionNet
      • celebA/

使用自定义数据集测试

  • 代码增加

    • 继承BaseDataset 详见data/own.py
    • 修改data_loader分支逻辑, 自定义数据集名字

  • 数据集准备

    • python crop_images.py <Original Image Dir> <Output Image Dir> 得到128*128人脸图像目录imgs/
    • 将generate_aus.py 拷贝至 FaceLandmarkImg.exe 所在目录, python generate_aus.py <Cropped Image Dir> aus_openface.pkl 得到aus_openface.pkl和test_ids.csv

  • 测试启动

    • bash run_own在自定义数据集own上测试, 使用模型GANimation on emotionNet
    • bash run_default在明星人脸数据集celebA上测试, 使用模型GANimation on emotionNet

  • 部分结果

    • GIF

    • 线性差值表情序列

  • 引用