某個無聊的下午，在部落格園刷帖時無意發現一篇介紹關于風格遷移的文章，提到某個國外團隊在這方面研究的最新進展。
他們實作了一個網絡，可以把真人的照片轉為二次元卡通圖檔，效果非常好。
論文位址：[2106.06561] GANs N' Roses: Stable, Controllable, Diverse Image to Image Translation (works for videos too!) (arxiv.org)
項目源碼：GitHub - mchong6/GANsNRoses: Official PyTorch repo for GAN's N' Roses. Diverse im2im and vid2vid selfie to anime translation.
下面是一個示範的效果：
說實話，看到這種效果還是很令人震撼的。
正是看了這篇論文激發了我研究機器學習的興趣，當時還買了Python、Pytorch、TensorFlow等方面的書惡補了一把，最後由于水準原因，沒有成功！
不過，正所謂：有心栽花花不開，無心插柳柳成蔭。我發現在工業自動化領域如果有涉及到機器學習的需求，采用TensorFlow.NET來解決是一個非常好的方案。目前大部分AI解決方案都是基于WEB服務的，這種架構在工業應用領域就不太合适，如果能采用C#來消費學習好的模型将是一個非常好的方案。近期我采用該方案實作了一個電信号波形的類型識别，取得了不錯的效果。
工業領域的應用一般不會特别複雜，模型也相對簡單，最大的問題是樣本不足（主要是負例樣布不足），而GAN恰好可以用來生成負例樣布。
本文提供的源碼内有兩個GAN的例程，功能是實作繪制二次元妹子，其中GAN_Anime_Faces繪制灰階圖像，GAN_Anime_Faces_Color繪制彩色圖像，代碼都是參考了官方Samples源碼。
以下是運作結果：
總體效果不是特别理想，而且即使加大訓練時間，實作效果也沒有明顯提升。由于目前工作需要用到的機器學習相關技術都比較淺，是以就沒有再繼續深入研究下去了。
最後，給這個系列的文章做一個簡單的小結：
1、目前機器學習的主流語言仍是Python，有志在這個領域發展的同學肯定還是要以Python為主，Tensorflow.NET适合非常熟悉C#同時想嘗鮮機器學習的同學；
2、關于Tensorflow和torch的選擇問題，目前似乎torch人氣更高，我是因為Torch.NET不好用才選擇Tensorflow.NET；
3、在工業應用領域，C#有很大的應用空間，簡單的情況采用Tensorflow.NET是一個很好的方案，複雜的系統可以采用Python訓練、C#消費的方案。
這個系列就到這裡了，後面要專心學習WPF去了。github上Tensorflow.NET項目一直都在更新維護，有希望深入的朋友可以繼續持續關注。
【相關資源】
源碼：Git: https://gitee.com/seabluescn/tf_not.git
目錄：檢視TensorFlow.NET機器學習入門系列目錄
【參考資料】
TensorFlow.NET (scisharp.github.io)
風格遷移三部曲 | 楊培文 (ypw.io)
簽名區：
如果您覺得這篇部落格對您有幫助或啟發，請點選右側【推薦】支援，謝謝！