VizTransfert
Le projet
Ce répertoire permet à partir d'une base de données d'images contenant 3 classes différentes d'entraîner un modèle de réseaux de GAN et de générer les images sur la base de la même style par le modèle entraînée.
À partir d'une base de données contenant 3 classes d'images de tailles et de formats quelconques, on redimensionne chaque image à la taille 256x256 et on convertit en JPG. Et puis, on extrait les contours sous forme de image noir et blanc. En fin, on les combine comme le jeu de données d’entraîner et du test.
On a mis 4 dossiers dans ce répertoire :
•/google_pictures contient 3 types des images concernées(bar chart,line chart et scatter plot) obtenu par git googlescrapper.
•/data/dst contient 3 dossiers de images traitées de bar chart, pour entraîner le réseau de GAN, et puis tester le modèle finale.
•/pix2pix-master est ce que https://github.com/phillipi/pix2pix contient ecrit en lua.
•/pytorch-CycleGAN-and-pix2pix est ce que https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix contient ecrit en python.
•/résultat contient les résultats obtenus à la base du jeu de donnée.
À partir du dossier /data, on répartir nos images. Celui-ci sera lu pour entraîner le réseau de neurones. À la fin de l'entraînement, qui peut être plus ou moins long suivant les paramètres que vous avez choisi, le modèle est enregistré. Il est ensuite utilisé automatiquement sur le dossier /test crée ultérieurement et en créeant un dossier results. Dans son sous-dossier latest_net_G_val, vous pouvez voir les résultats dans le web index.html. Comme chaque variable intermédiaire est enregistrée (modèle GAN entraîné), il est possible de les réutiliser à génerer des images sans réaliser toutes les étapes.
Lancement
Scrapping
Nous utiliserons le script issu du git image-scrapers afin de peupler notre base de données. Celui-ci permet de récupérer des images issues de google. Les images va être mis dans le fichier dataset/google.
Traitement d'image
Afin d'installer l'ensemble des packages nécessaires au fonctionnement du script, exécuter construire.py pour changer la taille des images, extraire les contours sous forme d’image blanc et noir et combiner les pairs des images originales et les images de contour dans une series de images. Il s'agit de créér un dossier /data/src. Le dossier src doit contenir ses propres sous-dossiers train, val, test, etc. Mettre les images originales dans /data/src/train, /data/src/val et /data/src/test. Et puis executer la commande ci-dessous:
python construire.py --fold_src data\src --fold_dst data\dst
Après l'exécution du script, 3 fichiers "test", “train” et “val” sont créés dans data\dst. Celui-ci contient le jeu de donnée de taille 256x128 pour une paire des images pour être entraîné et testé. En fin, on suit le lancement de git pix2pix à obtenir le résultat.
Pix2Pix
Suivi l'implementation de README.md dans le fichier pix2pix-master(lua) ou celle dans le fichier pytorch-CycleGAN-and-pix2pix(python).
Auteurs
LIU Xiang
He Yitong