用TensorFlow 實現基於 GAN 的極限圖像壓縮框架

本庫是用 TensorFlow 實現的基於 GAN 的極限圖像壓縮框架。該方法由 Agustsson 等人開發，該方法非常有趣，詳細信息請查閱論文：

Generative Adversarial Networks for Extreme Learned Image Compression

https://arxiv.org/abs/1804.02958

Github 鏈接：

https://github.com/Justin-Tan/generative-compression

用法

代碼基於 TensorFlow 1.8

#Clone

$gitclonehttps://github.com/Justin-Tan/generative-compression.git

$cdgenerative-compression

#To train, checkcommandline arguments

$python3 train.py -h

#Run

$python3 train.py -opt momentum --name my_network

訓練的批尺寸（batch size）為 1，每隔一定數量的步驟將重新構造 samples / tensorboard。Checkpoint 每十個 epoches 儲存一次。

圖像壓縮（即將推出）

#Compress

$python3 compress.py -h# check arguments

$python3 compress.py -i /path/to/image -r /path/to/model/checkpoint

結果

這些全局壓縮的圖像來自 CityscapesleftImg8bit數據集的測試分割。

C = 8 channels, multiscale discriminator

Showquantized C=4,8,16channels image comparison

預訓練模型

開發者可以找到用於全局壓縮的預訓練模型，其中 C = 8（對應於 0.072bpp 表示）的通道瓶頸和下的多尺度鑒別器損失。 該模型在Cityscapes（https://www.cityscapes-dataset.com/）leftImg8bit數據集的劃分中了 64 個 epochs 來訓練。

警告：這些模型在 TensorFlow 1.3 下訓練，不過在 TensorFlow 1.8 下似乎也能正常載入。

詳細信息請查看 Github 官方鏈接：

https://github.com/Justin-Tan/generative-compression

從Python入門-如何成為AI工程師

BAT資深演算法工程師獨家研發課程

最貼近生活與工作的好玩實操項目

班級管理助學搭配專業的助教答疑

學以致用拿offer，學完即推薦就業

新人福利

【超過 1000G 神經網路 / AI / 大數據資料】

一場深度學習引發的圖像壓縮革命

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！