|
|
# 🎨 AI 画风迁移器 (StyleTransferAI)
|
|
|
|
|
|
一个新颖、轻量级的Python项目，旨在通过神经风格迁移算法，实现快速有趣的艺术风格转换效果。
|
|
|
|
|
|
## 🚀 快速开始
|
|
|
|
|
|
<<<<<<< HEAD
|
|
|
1. **克隆项目**
|
|
|
```bash
|
|
|
git clone https://github.com/yourname/style_transfer_ai.git
|
|
|
cd style_transfer_ai1
|
|
|
```
|
|
|
=======
|
|
|
1.**项目介绍**
|
|
|
>>>>>>> 626e5f869ec0cab1cc44a7f603dcaedb22fd4cce
|
|
|
|
|
|
2. **创建虚拟环境并安装依赖**
|
|
|
```bash
|
|
|
python -m venv venv
|
|
|
source venv/bin/activate # Linux/Mac
|
|
|
# venv\Scripts\activate # Windows
|
|
|
pip install -r requirements.txt
|
|
|
```
|
|
|
|
|
|
3. **准备图像**
|
|
|
在 `data/raw/` 目录下放置你的内容图 (`content.jpg`) 和风格图 (`style.jpg`)。
|
|
|
|
|
|
4. **运行程序**
|
|
|
```bash
|
|
|
python scripts/run_style_transfer.py
|
|
|
```
|
|
|
|
|
|
5. **查看结果**
|
|
|
结果将保存在 `data/processed/result_时间戳.jpg`。
|
|
|
|
|
|
## 💡 项目特点
|
|
|
|
|
|
- **高质量风格迁移**: 基于VGG16深度学习模型，生成高质量艺术效果。
|
|
|
- **速度快**: CPU优化，无需GPU即可快速运行。
|
|
|
- **可视化监控**: 实时显示训练损失，生成详细损失曲线图。
|
|
|
- **高度可定制**: 修改 `configs/default.yaml` 或核心代码即可调整风格迁移效果。
|
|
|
- **多模式训练**: 提供快速、扩展、高级三种训练模式。
|
|
|
|
|
|
## 📂 项目结构
|
|
|
|
|
|
```
|
|
|
style_transfer_ai/
|
|
|
│
|
|
|
├── configs/ # 配置文件目录
|
|
|
│ └── default.yaml # 默认超参数配置（学习率、迭代次数、权重等）
|
|
|
│
|
|
|
├── data/ # 数据目录
|
|
|
│ ├── raw/ # 原始输入图像
|
|
|
│ │ ├── content.jpg # 内容图像（用户自定义）
|
|
|
│ │ └── style.jpg # 风格图像（用户自定义）
|
|
|
│ └── processed/ # 输出结果目录（自动生成）
|
|
|
│ └── result_20251202_2227.jpg # 示例输出（带时间戳）
|
|
|
│
|
|
|
├── models/ # 模型相关代码
|
|
|
│ └── vgg16_extractor.py # VGG16特征提取器封装
|
|
|
│
|
|
|
├── scripts/ # 可执行脚本
|
|
|
│ └── run_style_transfer.py # 主程序入口
|
|
|
│
|
|
|
├── src/ # 核心源代码
|
|
|
│ ├── style_transfer.py # 风格迁移核心算法实现
|
|
|
│ ├── loss.py # 内容损失、风格损失计算
|
|
|
│ ├── utils.py # 图像预处理、后处理、可视化工具
|
|
|
│ └── trainer.py # 训练循环与优化器管理
|
|
|
│
|
|
|
├── outputs/ # 日志与可视化输出
|
|
|
│ └── loss_curve_*.png # 损失变化曲线图（按运行时间命名）
|
|
|
│
|
|
|
├── requirements.txt # Python依赖列表
|
|
|
├── README.md # 项目说明文档（即本文件）
|
|
|
└── .gitignore # Git忽略规则
|
|
|
``` |
