上QQ阅读APP看书，第一时间看更新
AI源码解读．数字图像处理案例：Python版
2.3.5 Pix2Pix模型构建
Pix2Pix模型构建需要定义生成器和判别器的神经网络，生成器使用U-Net网络结构，提取特征；判别器则根据PatchGAN方法获得不同区域的得分。
1．Pix2Pix数据集处理
当前制作出数据集的一张图片中包含两部分，可将图片左半部分设为X类，右半部分设为Y类。Pix2Pix图像翻译所要实现的功能将Y类样本翻译为X类，同样也可以用X类翻译为Y类样本，此时功能便是将风格图片还原为原图，如图2-21所示。
图2-21 Pix2Pix数据集样式
在导入模型前将图片分别保存到X数组和Y数组中，相关代码如下：
2．定义辅助函数
定义一些常量、网络张量、辅助函数，相关代码如下：
3．定义生成器和判别器
判别器：将X和Y按通道拼接，经过多次卷积后得到30*30*1的判别图，即PatchGAN的思想。生成器：Unet前后两部分各包含8层卷积，且后半部分的前3层卷积使用丢弃，它在训练过程中以一定概率随机去掉一些神经元，起到防止过拟合的作用，相关代码如下：
4．定义损失函数和优化器
根据生成器和判别器的损失定义函数：
判别器D的参数θd，损失关于参数的梯度为：
+ln（1-D（G（z（i））））]，生成器G的参数θg，损失关于参数的梯度为：
，相应的总损失函数为：
。