用机器学习脱掉图片人物的裤子

• 克隆此存储库

git clone https://github.com/sangwoomo/instagan

• 从http://pytorch.org和其他依赖项（例如，visdom和dominate）安装PyTorch 0.4 和torchvision 。您可以安装所有依赖项

pip install -r requirements.txt

• 对于Conda用户，您可以使用脚本./scripts/conda_deps.sh来安装PyTorch和其他库。
• 致谢：安装脚本来自官方的CycleGAN代码。

• 下载服装协同解析（CCP）数据集：

git clone https://github.com/bearpaw/clothing-co-parsing ./datasets/clothing-co-parsing

• 下载多人解析（MHP）数据集：

# Download "LV-MHP-v1" from the link and locate in ./datasets

• 下载MS COCO数据集：

./datasets/download_coco.sh 生成双域数据集

• 生成用于实验的双域数据集：

python ./datasets/generate_ccp_dataset.py --save_root ./datasets/jeans2skirt_ccp --cat1 jeans --cat2 skirt python ./datasets/generate_mhp_dataset.py --save_root ./datasets/pants2skirt_mhp --cat1 pants --cat2 skirt python ./datasets/generate_coco_dataset.py --save_root ./datasets/shp2gir_coco --cat1 sheep --cat2 giraffe

• 注意：生成的数据集包含图像和相应的掩码，它们分别位于图像文件夹（例如，“trainA”）和掩码文件夹（例如，“trainA_seg”）中。对于每个图像（例如，'0001.png'），提供每个实例的对应掩模（例如，'0001_0.png'，'0001_1.png'，......）。

• 训练模型：

python train.py --dataroot ./datasets/jeans2skirt_ccp --model insta_gan --name jeans2skirt_ccp_instagan --loadSizeH 330 --loadSizeW 220 --fineSizeH 300 --fineSizeW 200 --niter 400 --niter_decay 200 python train.py --dataroot ./datasets/pants2skirt_mhp --model insta_gan --name pants2skirt_mhp_instagan --loadSizeH 270 --loadSizeW 180 --fineSizeH 240 --fineSizeW 160 python train.py --dataroot ./datasets/shp2gir_coco --model insta_gan --name shp2gir_coco_instagan --loadSizeH 220 --loadSizeW 220 --fineSizeH 200 --fineSizeW 200

• 要查看训练结果和丢失图，请运行python -m visdom.server并单击URL http：// localhost：8097。要查看更多中间结果，请查看./checkpoints/experiment_name/web/index.html。
• 为了加快实验速度，增加批量大小并使用更多gpus：

python train.py --dataroot ./datasets/shp2gir_coco --model insta_gan --name shp2gir_coco_instagan --loadSizeH 220 --loadSizeW 220 --fineSizeH 200 --fineSizeW 200 --batch_size 4 --gpu_ids 0,1,2,3

• 测试模型：

python test.py --dataroot ./datasets/jeans2skirt_ccp --model insta_gan --name jeans2skirt_ccp_instagan --loadSizeH 300 --loadSizeW 200 --fineSizeH 300 --fineSizeW 200 python test.py --dataroot ./datasets/pants2skirt_mhp --model insta_gan --name pants2skirt_mhp_instagan --loadSizeH 240 --loadSizeW 160 --fineSizeH 240 --fineSizeW 160 --ins_per 2 --ins_max 20 python test.py --dataroot ./datasets/shp2gir_coco --model insta_gan --name shp2gir_coco_instagan --loadSizeH 200 --loadSizeW 200 --fineSizeH 200 --fineSizeW 200 --ins_per 2 --ins_max 20

• 测试结果将保存到html文件中：./results/experiment_name/latest_test/index.html。

• 您可以从以下Google驱动器链接下载预训练模型（裤子 - >裙子和/或羊 - >长颈鹿）。将预先训练的模型保存在./checkpoints/目录中。
• 我们在此存储库中提供了两个数据集（裤子 - >裙子和羊 - >长颈鹿）的样本。要测试模型：

python test.py --dataroot ./datasets/pants2skirt_mhp --model insta_gan --name pants2skirt_mhp_instagan --loadSizeH 240 --loadSizeW 160 --fineSizeH 240 --fineSizeW 160 --ins_per 2 --ins_max 20 --phase sample --epoch 200 python test.py --dataroot ./datasets/shp2gir_coco --model insta_gan --name shp2gir_coco_instagan --loadSizeH 200 --loadSizeW 200 --fineSizeH 200 --fineSizeW 200 --ins_per 2 --ins_max 20 --phase sample --epoch 200 结果

我们提供了一些模型的翻译结果。请参阅链接以获取更多训练结果（https://github.com/sangwoomo/instagan/blob/master/docs/more_results.md）。

1.时尚数据集（裤子 - >裙子）

2. COCO数据集（绵羊 - >长颈鹿）

3.谷歌搜索图像的结果（裤子 - >裙子）

4. YouTube搜索视频的结果（裤子 - >裙子）