模型简介

模型介绍：pix2pix基于GAN实现图像翻译，更准确地讲是基于cGAN（conditional GAN，也叫条件GAN），因为cGAN可以通过添加条件信息来指导图像生成， 因此在图像翻译中就可以将输入图像作为条件，学习从输入图像到输出图像之间的映射，从而得到指定的输出图像。而其他基于GAN来做图像翻译的， 因为GAN算法的生成器是基于一个随机噪声生成图像，难以控制输出，因此基本上都是通过其他约束条件来指导图像生成，而不是利用cGAN，这是pix2pix和其他基于GAN做图像翻译的差异。论文地址：https://arxiv.org/pdf/1406.1078.pdf

---

1. 使用方法

   • 1.1. 准备数据集

   • 1.2. 模型训练

   • 1.3. 模型测试

2. 模型来源

1. 使用方法

1.1. 准备数据集

在终端，在root/pytorch-CycleGAN-and-pix2pix-master（默认）路径下，运行以下命令：

cd ../..
# 进入根目录
cp -r /datasets/facades ../../user-data
# 将复现所需的公开数据集复制到指定文件夹下

1.2. 模型训练

在终端，进入root/pytorch-CycleGAN-and-pix2pix-master（默认）路径下，运行以下命令：

python train.py --dataroot ../../user-data/facades --name facades_pix2pix --model pix2pix --direction BtoA

1.3. 模型测试

在终端，进入root/pytorch-CycleGAN-and-pix2pix-master（默认）路径下，运行以下命令：

python test.py --dataroot ../../user-data/facades --direction BtoA --model pix2pix --name facades_pix2pix

2. 模型来源

https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix