點(diǎn)贊再看，養(yǎng)成習(xí)慣，微信公眾號(hào)搜索【JackCui-AI】關(guān)注這個(gè)愛發(fā)技術(shù)干貨的程序員。本文 GitHub https://github.com/Jack-Cherish/PythonPark 已收錄，有一線大廠面試完整考點(diǎn)、資料以及我的系列文章。

1 隱秘的角落

用了一個(gè)周末，一口氣刷完了《隱秘的角落》這部電視劇。

不得不說，這部網(wǎng)劇看得過癮，回想起來，也總覺得意猶未盡。

劇情開篇，景區(qū)的山頂，一個(gè)戴眼鏡的男人，借著拍照片，把一對(duì)老人推了下去。

這一幕，被在景區(qū)游玩的三個(gè)孩子意外拍攝下來，故事從此展開。

這部劇，讓一個(gè)叫「張東升」男人的名字大火，也就是把那對(duì)老人推下山的兇手。

而跟他本人同樣出名的場(chǎng)景，是他突然摘下假發(fā)后露出的發(fā)際線。

「張東升」禿頭造型，火爆網(wǎng)絡(luò)，他的經(jīng)典語錄有：

• 一起去爬山嗎？
• 您看我還有機(jī)會(huì)嗎？

作為腦力勞動(dòng)的程序員，脫發(fā)可能都是曾擔(dān)憂過的一個(gè)問題。

在「程序員界」，流傳著這么一個(gè)段子：

「我變禿了，也變強(qiáng)了?！?/p>

想不想，看看變強(qiáng)后的自己？

今天，繼續(xù)手把手教學(xué)。

算法原理、環(huán)境搭建、模型訓(xùn)練、效果測(cè)試，一條龍服務(wù)，盡在下文！

2 算法原理

我在曾經(jīng)的文章里講解過類似的算法原理，例如之講解的 ALAE 算法，人臉屬性編輯。

這個(gè)算法是發(fā)表在國外 Medium 網(wǎng)站上的一篇文章。

Medium 原文地址（需要翻墻）：

https://medium.com/swlh/hairs...

這是一個(gè)名為 Azmarie Wang 的作品，作者是一位小姐姐。

而她也在自己的 Github 上開源了相應(yīng)的代碼。

項(xiàng)目地址：

https://github.com/Azmarie/Ha...

但，這個(gè)篇文章傳到國內(nèi)，源碼被別人做成了視頻在「 B站 」分享出去，就「莫名其妙」的變成了"自制"。

很多公眾號(hào)發(fā)文，都冠以「 B 站 Up 主自制」的標(biāo)簽。

自制個(gè)錘子哦！

人家文章、源碼早就有了好嗎？

槽吐完了，咱接著說算法原理。

這個(gè)算法的名字叫「 Hairstyle Transfer 」。

該算法也是站在巨人的肩膀上實(shí)現(xiàn)的，由 StyleGAN Encoder、Progressive GAN、InterFace GAN、SVM 多種算法組成。

算法流程：

換一個(gè)通俗一點(diǎn)的語言解釋就是，先使用原圖生成一個(gè)「人臉模型 」，這個(gè)「人臉模型 」是可以編輯的，然后找到控制頭發(fā)的「控制器」，調(diào)整參數(shù)，改變發(fā)型。

專業(yè)一點(diǎn)的說法就是，先使用原圖，用 StyleGAN Encoder 反算潛碼（ latent code ），獲得多維的特征向量（頭發(fā)、眼睛、嘴巴、膚色等）。

然后訓(xùn)練 SVM 分類器，用于找到控制頭發(fā)的那個(gè)特征向量。

最后使用 Interface GAN 編輯特征，就可以完成頭發(fā)屬性編輯了。

想更深入的學(xué)習(xí)原理，需要先學(xué)習(xí)一下 StyleGAN Encoder 和 Interface GAN ，篇幅有限，本文就「點(diǎn)到為止」了。

3 環(huán)境搭建

你需要有在有 GPU 的機(jī)器上運(yùn)行，如果能翻墻工具，強(qiáng)烈建議使用 Google Colab。

Google Colab 是一個(gè) Google 提供的免費(fèi) GPU 服務(wù)器。

「 Hairstyle Transfer 」需要下載很多存放到 Google Drive 的權(quán)重文件。

使用 Google Colab 跑這個(gè)項(xiàng)目很方便，因?yàn)檫@個(gè)項(xiàng)目都是 ipynb 文件。

如果不能翻墻，也可以自己在本地，使用 Anaconda 新建虛擬環(huán)境。

「 Hairstyle Transfer 」算法，使用 Tensorflow 框架，并且必須是 1.x 的版本，不兼容 2.x。

首先，創(chuàng)建一個(gè)名為 tf 的 conda 虛擬環(huán)境。

conda create -n tf python=3 jupyter notebook

然后使用 conda 和 pip 按照如下順序，安裝如下第三方庫即可：

conda install scipy tensorflow-gpu==1.15

都安裝好后，環(huán)境就算搭建完成了。

4訓(xùn)練 & 效果測(cè)試

我們以「張東升」的圖片為例進(jìn)行訓(xùn)練以及效果測(cè)試。

圖片下載地址：

https://cuijiahua.com/wp-cont.../_1.png

將項(xiàng)目下載到本地：

git clone https://github.com/Azmarie/Hairstyle-Transfer

然后你會(huì)得到三個(gè) jupyter 的 ipynb 文件。

依照上述順序跑通代碼。

StyleGAN/_Encoder 會(huì)生成 output/_vectors.npy 文件。

Get/_attribute/_score/_pairs 會(huì) stylegan-dlatents.npy 和 9/_score.npy 文件。

然后，Train/_Boundaries 使用 stylegan-dlatents.npy 和 9/_score.npy 訓(xùn)練 Boundaries。

這里用到了 SVM 分類器，將控制頭發(fā)的特征向量分出來，得到 boundary.npy，用于后續(xù)發(fā)型的控制。

最后，再使用 output/_vectors.npy 和 boundary.npy，即可控制頭發(fā)的多少。

ipynb 詳細(xì)說明了代碼需要如何運(yùn)行，依照它的教程，按照次序運(yùn)行程序即可。

里面詳細(xì)說明了，怎么裁剪圖片，怎么訓(xùn)練等。

代碼中用到了很多 Google Drive 保存的權(quán)重文件，我將這些權(quán)重文件，都上傳到了我的百度網(wǎng)盤。

下載鏈接（提取碼：2afm）：

https://pan.baidu.com/s/1sPqg...

需要注意的是，下載好這些權(quán)重文件，在跑代碼的時(shí)候需要將代碼中所有的加載權(quán)重方式修改一下，都改為本地加載。

例如修改 pkl 的讀取方式等。

很簡單，這里就不一一說明了。

根據(jù) ipynb 的說明，我們就可以順利跑通所有代碼。

完成模型訓(xùn)練和效果測(cè)試。

最后，一起看一下「張東升」的 「 Hairstyle Transfer 」效果吧！

就很“禿然”，有木有！

用自己照片試試看？一秒變超人。

5 最后

「 Hairstyle Transfer 」 算法也有一些小問題，比如控制頭發(fā)變少，圖片的色調(diào)也會(huì)變暗。

作者：Jack Cui
原文：https://mp.weixin.qq.com/s/3r...
關(guān)注作者公眾號(hào)，獲取更多有趣AI應(yīng)用~

系列篇

• 為藝術(shù)而生的驚艷算法
• 你的紅色高跟鞋，AI 換臉技術(shù)初體驗(yàn)

更多AIoT領(lǐng)域有趣的算法應(yīng)用及產(chǎn)品請(qǐng)關(guān)注有趣的AIoT應(yīng)用專欄。

審核編輯：符乾江