本文目录：

• Introduction
• Related work
• Methods
• Gram 矩阵
• Batch Normalization

Introduction

不久前，一个名叫Prisma的APP在微博和朋友圈火了起来。Prisma是个能够将图像风格转换为艺术风格的APP，它能够实现如下转换：

Prisma

除了引起大众的好奇心外，业内人士也纷纷猜测Prisma是如何做到实现快速的图像风格转换。此前，在Gatys的论文<Image Style Transfer Using Convolutional Neural Networks>中，实现一张图片的图像风格转换需要较长时间。

在文中我将讲解Prisma是如何实现实时风格转换的。本文内容基于Fei Fei Li团队的<Perceptual Losses for Real-Time Style Transfer
and Super-Resolution>一文。

系列文章目录如下：

• 梵高眼中的世界（一）实时图像风格转换简介
• 梵高眼中的世界（二）基于perceptual损失的网络
• 梵高眼中的世界（三）实现与改进

Related work

在进行图像风格转换时，我们需要一张风格图像style image和一张内容图像content image。我们构造一个网络衡量生成图像与style image以及content image的loss，再通过训练减小loss得到最终图像。

在Gatys的方法中，他使用了如下图所示的方法：

Gatys' method

上图最左边是风格图像，梵高的《星夜》；最右边是内容图像。
算法步骤如下：

1. 生成了一张白噪声图像作为初始图像。

2. 将风格图像，内容图像，初始图像分别通过一个预训练的VGG-19网络，得到某些层的输出。这里的“某些层”是经过实验得出的，是使得输出图像最佳的层数。

3. 计算内容损失函数：
   

   内容损失函数
   
   其中P^{l_ij是原始图像在第l层位置j与第i个filter卷积后的输出，F}l_ij是相应的生成图像的输出。

计算风格损失函数：

单层

多层累加

风格损失函数与图像有些不同，在这里我们不直接使用某些层卷积后的输出，而是计算输出的Gram矩阵，再用于上式风格损失的计算：

Gram matrix

5.计算总损失

Total loss

此时我们可以通过梯度下降算法对初始化的白噪声图像进行训练，得到最终的风格转换图像。
Gatys的算法缺点是一次只能训练出一张图。我们希望得到一个前馈的神经网络，对于每一张内容图像，只需要通过这个前馈神经网络，就能快速得到风格转换图像。

Methods

在这里只对Gram matrix以及Batch Normalization进行讲解，具体实现细节请阅读原文。

Gram matrix

Gram matrix 计算如下：

Gram matrix

上式的意思为，G^l_i,j意味着第l层特征图i和j的内积。同理可表示为：

Gram matrix

在论文中，作者用高维的特征图相关性来表示图像风格。上式矩阵的对角线表示每一个特征图自身的信息，其余元素表示了不同特征图之间的信息。

Gram matrix的tensorflow实现如下：

def gram_matrix(x):
    '''
    Args:
        x: Tensor with shape [batch size, length, width, channels]
    Return:
        Tensor with shape [channels, channels]
    '''
    bs, l, w, c = x.get_shape()
    size = l*w*c
    x = tf.reshape(x, (bs, l*w, c))
    x_t = tf.transpose(x, perm=[0,2,1])
    return tf.matmul(x_t, x)/size

Batch Normalization

Batch Normalization 最早由Google在ICML2015的论文<Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift>提出。
其算法如下：

Batch Normalization Algorithm

这个算法看上去有点复杂，但直观上很好理解：
对于一个mini-batch里面的值x_i，我们计算平均值 μ和方差σ。对于每一个x_i，我们对其进行z-score归一化，得到平均值为0，标准差为1的数据。式子中的ε是一个很小的偏差值，防止出现除以0的情况。实现中可以取ε=1e-3。在对数据进行归一化后，BN算法再进行“scale and shift”，将数据还原成原来的输入。
Batch Normalization是为了解决Internal Covariate Shift问题而提出。

Explanation

Batch Normalization在Tensorflow下的实现：

from tensorflow.contrib.layers import batch_norm
def batch_norm_layer(x, is_training, scope):
    bn_train = batch_norm(x, decay=0.999, center=True, scale=True,
    updates_collections=None,
    is_training=True,
    reuse=None,
    trainable=True,
    scope=scope)

    bn_test = batch_norm(x, decay=0.999, center=True, scale=True,
    updates_collections=None,
    is_training=False,
    reuse=True, 
    trainable=True,
    scope=scope)

    bn = tf.cond(is_training, lambda: bn_train, lambda: bn_test)
    return bn

注意其中is_training是一个placeholder。