如何捕获一只彩色卓别林?黑白照片AI上色教程很友好|哈佛大触

方栗子 编译自 GitHub

量子位 出品 | 公众号 QbitAI

如何捕获一只彩色卓别林?黑白照片AI上色教程很友好|哈佛大触

 老照片的手动着色魔法

妈妈小时候已经有彩色照片了,不过那些照片,还是照相馆的人类手动上色的。

几十年之后,人们已经开始培育深度神经网络,来给老照片和老电影上色了。

来自哈佛大学的Luke Melas-Kyriazi (我叫他卢克吧) ,用自己训练的神经网络,把卓别林变成了彩色的卓别林,清新自然。

作为一只哈佛学霸,卢克还为钻研机器学习的小伙伴们写了一个基于PyTorch的教程。

虽然教程里的模型比给卓别林用的模型要简约一些,但效果也是不错了。

问题是什么?

卢克说,给黑白照片上色这个问题的难点在于,它是多模态的——与一幅灰度图像对应的合理彩色图像,并不唯一。

如何捕获一只彩色卓别林?黑白照片AI上色教程很友好|哈佛大触

 这并不是正确示范

传统模型需要输入许多额外信息,来辅助上色。

而深度神经网络,除了灰度图像之外,不需要任何额外输入,就可以完成上色。

在彩色图像里,每个像素包含三个值,即亮度饱和度以及色调

而灰度图像,并无饱和度色调可言,只有亮度一个值。

如何捕获一只彩色卓别林?黑白照片AI上色教程很友好|哈佛大触

所以,模型要用一组数据,生成另外两足数据。换句话说,以灰度图像为起点,推断出对应的彩色图像。

为了简单,这里只做了256 x 256像素的图像上色。输出的数据量则是256 x 256 x 2。

关于颜色表示,卢克用的是LAB色彩空间,它跟RGB系统包含的信息是一样的。

但对程序猿来说,前者比较方便把亮度和其他两项分离开来。

如何捕获一只彩色卓别林?黑白照片AI上色教程很友好|哈佛大触

数据也不难获得,卢克用了MIT Places数据集,中的一部分。内容就是校园里的一些地标和风景。然后转换成黑白图像,就可以了。以下为数据搬运代码——

1# Download and unzip (2.2GB)
2!wget http://data.csail.mit.edu/places/places205/testSetPlaces205_resize.tar.gz
3!tar -xzf testSetPlaces205_resize.tar.gz
1# Move data into training and validation directories
2import os
3os.makedirs('images/train/class/', exist_ok=True) # 40,000 images
4os.makedirs('images/val/class/', exist_ok=True) # 1,000 images
5for i, file in enumerate(os.listdir('testSet_resize')):
6 if i < 1000: # first 1000 will be val
7 os.rename('testSet_resize/' + file, 'images/val/class/' + file)
8 else: # others will be val
9 os.rename('testSet_resize/' + file, 'images/train/class/' + file)
1# Make sure the images are there
2from IPython.display import Image, display
3display(Image(filename='images/val/class/84b3ccd8209a4db1835988d28adfed4c.jpg'))

好用的工具有哪些?

搭建模型和训练模型是在PyTorch里完成的。

还用了torchvishion,这是一套在PyTorch上处理图像和视频的工具。

另外,scikit-learn能完成图片在RGB和LAB色彩空间之间的转换。

1# Download and import libraries
2!pip install torch torchvision matplotlib numpy scikit-image pillow==4.1.1
1# For plotting
2import numpy as np
3import matplotlib.pyplot as plt
4%matplotlib inline
5# For conversion
6from skimage.color import lab2rgb, rgb2lab, rgb2gray
7from skimage import io
8# For everything
9import torch
10import torch.nn as nn
11import torch.nn.functional as F
12# For our model
13import torchvision.models as models
14from torchvision import datasets, transforms
15# For utilities
16import os, shutil, time
1# Check if GPU is available
2use_gpu = torch.cuda.is_available()

模型长什么样?

神经网络里面,第一部分是几层用来提取图像特征;第二部分是一些反卷积层 (Deconvolutional Layers) ,用来给那些特征增加分辨率。

具体来说,第一部分用的是ResNet-18,这是一个图像分类网络,有18层,以及一些残差连接 (Residual Connections) 。

给第一层做些修改,它就可以接受灰度图像输入了。然后把第6层之后的都去掉。

然后,用代码来定义一下这个模型。

从神经网络的第二部分 (就是那些上采样层) 开始。

 1class ColorizationNet(nn.Module):2 def __init__(self, input_size=128):3 super(ColorizationNet, self).__init__()4 MIDLEVEL_FEATURE_SIZE = 12856 ## First half: ResNet7 resnet = models.resnet18(num_classes=365)8 # Change first conv layer to accept single-channel (grayscale) input9 resnet.conv1.weight = nn.Parameter(resnet.conv1.weight.sum(dim=1).unsqueeze(1))10 # Extract midlevel features from ResNet-gray11 self.midlevel_resnet = nn.Sequential(*list(resnet.children())[0:6])1213 ## Second half: Upsampling14 self.upsample = nn.Sequential( 15 nn.Conv2d(MIDLEVEL_FEATURE_SIZE, 128, kernel_size=3, stride=1, padding=1),16 nn.BatchNorm2d(128),17 nn.ReLU(),18 nn.Upsample(scale_factor=2),19 nn.Conv2d(128, 64, kernel_size=3, stride=1, padding=1),20 nn.BatchNorm2d(64),21 nn.ReLU(),22 nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1),23 nn.BatchNorm2d(64),24 nn.ReLU(),25 nn.Upsample(scale_factor=2),26 nn.Conv2d(64, 32, kernel_size=3, stride=1, padding=1),27 nn.BatchNorm2d(32),28 nn.ReLU(),29 nn.Conv2d(32, 2, kernel_size=3, stride=1, padding=1),30 nn.Upsample(scale_factor=2)31 )3233 def forward(self, input):3435 # Pass input through ResNet-gray to extract features36 midlevel_features = self.midlevel_resnet(input)3738 # Upsample to get colors39 output = self.upsample(midlevel_features)40 return output

下一步,创建模型吧。

1model = ColorizationNet()

它是怎么训练的?

预测每个像素的色值,用的是回归 (Regression) 的方法。

损失函数 (Loss Function)

所以,用了一个均方误差 (MSE) 损失函数——让预测的色值与参考标准 (Ground Truth) 之间的距离平方最小化。

1criterion = nn.MSELoss()

优化损失函数

这里是用Adam Optimizer优化的。

1optimizer = torch.optim.Adam(model.parameters(), lr=1e-2, weight_decay=0.0)

加载数据

用torchtext加载数据。首先定义一个专属的数据加载器 (DataLoader) ,来完成RGB到LAB空间的转换。

 1class GrayscaleImageFolder(datasets.ImageFolder):2 '''Custom images folder, which converts images to grayscale before loading'''3 def __getitem__(self, index):4 path, target = self.imgs[index]5 img = self.loader(path)6 if self.transform is not None:7 img_original = self.transform(img)8 img_original = np.asarray(img_original)9 img_lab = rgb2lab(img_original)10 img_lab = (img_lab + 128) / 25511 img_ab = img_lab[:, :, 1:3]12 img_ab = torch.from_numpy(img_ab.transpose((2, 0, 1))).float()13 img_original = rgb2gray(img_original)14 img_original = torch.from_numpy(img_original).unsqueeze(0).float()15 if self.target_transform is not None:16 target = self.target_transform(target)
17 return img_original, img_ab, target

再来,就是定义训练数据验证数据的转换。

1# Training2train_transforms = transforms.Compose([transforms.RandomResizedCrop(224), transforms.RandomHorizontalFlip()])3train_imagefolder = GrayscaleImageFolder('images/train', train_transforms)4train_loader = torch.utils.data.DataLoader(train_imagefolder, batch_size=64, shuffle=True)56# Validation7val_transforms = transforms.Compose([transforms.Resize(256), transforms.CenterCrop(224)])8val_imagefolder = GrayscaleImageFolder('images/val' , val_transforms)
9val_loader = torch.utils.data.DataLoader(val_imagefolder, batch_size=64, shuffle=False)

辅助函数 (Helper Function)

训练开始之前,要把辅助函数写好,来追踪训练损失,并把图像转回RGB形式。

 1class AverageMeter(object):2 '''A handy class from the PyTorch ImageNet tutorial'''3 def __init__(self):4 self.reset()5 def reset(self):6 self.val, self.avg, self.sum, self.count = 0, 0, 0, 07 def update(self, val, n=1):8 self.val = val9 self.sum += val * n10 self.count += n11 self.avg = self.sum / self.count1213def to_rgb(grayscale_input, ab_input, save_path=None, save_name=None):14 '''Show/save rgb image from grayscale and ab channels15 Input save_path in the form {'grayscale': '/path/', 'colorized': '/path/'}'''16 plt.clf() # clear matplotlib17 color_image = torch.cat((grayscale_input, ab_input), 0).numpy() # combine channels18 color_image = color_image.transpose((1, 2, 0)) # rescale for matplotlib19 color_image[:, :, 0:1] = color_image[:, :, 0:1] * 10020 color_image[:, :, 1:3] = color_image[:, :, 1:3] * 255 - 128 21 color_image = lab2rgb(color_image.astype(np.float64))22 grayscale_input = grayscale_input.squeeze().numpy()23 if save_path is not None and save_name is not None:24 plt.imsave(arr=grayscale_input, fname='{}{}'.format(save_path['grayscale'], save_name), cmap='gray')
25 plt.imsave(arr=color_image, fname='{}{}'.format(save_path['colorized'], save_name))

验证

不用反向传播 (Back Propagation),直接用torch.no_grad() 跑模型。

 1def validate(val_loader, model, criterion, save_images, epoch):2 model.eval()34 # Prepare value counters and timers5 batch_time, data_time, losses = AverageMeter(), AverageMeter(), AverageMeter()67 end = time.time()8 already_saved_images = False9 for i, (input_gray, input_ab, target) in enumerate(val_loader):10 data_time.update(time.time() - end)1112 # Use GPU13 if use_gpu: input_gray, input_ab, target = input_gray.cuda(), input_ab.cuda(), target.cuda()1415 # Run model and record loss16 output_ab = model(input_gray) # throw away class predictions17 loss = criterion(output_ab, input_ab)18 losses.update(loss.item(), input_gray.size(0))1920 # Save images to file21 if save_images and not already_saved_images:22 already_saved_images = True23 for j in range(min(len(output_ab), 10)): # save at most 5 images24 save_path = {'grayscale': 'outputs/gray/', 'colorized': 'outputs/color/'}25 save_name = 'img-{}-epoch-{}.jpg'.format(i * val_loader.batch_size + j, epoch)26 to_rgb(input_gray[j].cpu(), ab_input=output_ab[j].detach().cpu(), save_path=save_path, save_name=save_name)2728 # Record time to do forward passes and save images29 batch_time.update(time.time() - end)30 end = time.time()3132 # Print model accuracy -- in the code below, val refers to both value and validation33 if i % 25 == 0:34 print('Validate: [{0}/{1}]	'35 'Time {batch_time.val:.3f} ({batch_time.avg:.3f})	'36 'Loss {loss.val:.4f} ({loss.avg:.4f})	'.format(37 i, len(val_loader), batch_time=batch_time, loss=losses))3839 print('Finished validation.')
40 return losses.avg

训练

用loss.backward(),用上反向传播。写一下训练数据跑一遍 (one epoch) 用的函数。

 1def train(train_loader, model, criterion, optimizer, epoch):2 print('Starting training epoch {}'.format(epoch))3 model.train()45 # Prepare value counters and timers6 batch_time, data_time, losses = AverageMeter(), AverageMeter(), AverageMeter()78 end = time.time()9 for i, (input_gray, input_ab, target) in enumerate(train_loader):1011 # Use GPU if available12 if use_gpu: input_gray, input_ab, target = input_gray.cuda(), input_ab.cuda(), target.cuda()1314 # Record time to load data (above)15 data_time.update(time.time() - end)1617 # Run forward pass18 output_ab = model(input_gray)19 loss = criterion(output_ab, input_ab)20 losses.update(loss.item(), input_gray.size(0))2122 # Compute gradient and optimize23 optimizer.zero_grad()24 loss.backward()25 optimizer.step()2627 # Record time to do forward and backward passes28 batch_time.update(time.time() - end)29 end = time.time()3031 # Print model accuracy -- in the code below, val refers to value, not validation32 if i % 25 == 0:33 print('Epoch: [{0}][{1}/{2}]	'34 'Time {batch_time.val:.3f} ({batch_time.avg:.3f})	'35 'Data {data_time.val:.3f} ({data_time.avg:.3f})	'36 'Loss {loss.val:.4f} ({loss.avg:.4f})	'.format(37 epoch, i, len(train_loader), batch_time=batch_time,38 data_time=data_time, loss=losses))39
40 print('Finished training epoch {}'.format(epoch))

然后,定义一个训练回路 (Training Loop) ,跑一百遍训练数据。从Epoch 0开始训练。

1# Move model and loss function to GPU
2if use_gpu:
3 criterion = criterion.cuda()
4 model = model.cuda()
1# Make folders and set parameters
2os.makedirs('outputs/color', exist_ok=True)
3os.makedirs('outputs/gray', exist_ok=True)
4os.makedirs('checkpoints', exist_ok=True)
5save_images = True
6best_losses = 1e10
7epochs = 100
 1# Train model2for epoch in range(epochs):3 # Train for one epoch, then validate4 train(train_loader, model, criterion, optimizer, epoch)5 with torch.no_grad():6 losses = validate(val_loader, model, criterion, save_images, epoch)7 # Save checkpoint and replace old best model if current model is better8 if losses < best_losses:9 best_losses = losses
10 torch.save(model.state_dict(), 'checkpoints/model-epoch-{}-losses-{:.3f}.pth'.format(epoch+1,losses))

训练结果什么样?

是时候看看修炼成果了,所以,复制一下这段代码。

 1# Show images2import matplotlib.image as mpimg3image_pairs = [('outputs/color/img-2-epoch-0.jpg', 'outputs/gray/img-2-epoch-0.jpg'),4 ('outputs/color/img-7-epoch-0.jpg', 'outputs/gray/img-7-epoch-0.jpg')]5for c, g in image_pairs:6 color = mpimg.imread(c)7 gray = mpimg.imread(g)8 f, axarr = plt.subplots(1, 2)9 f.set_size_inches(15, 15)10 axarr[0].imshow(gray, cmap='gray')11 axarr[1].imshow(color)12 axarr[0].axis('off'), axarr[1].axis('off')
13 plt.show()

效果还是很自然的,虽然生成的彩色图像不是那么明丽。

卢克说,问题是多模态的,所以损失函数还是值得推敲。

比如,一条灰色裙子可以是蓝色也可以是红色。如果模型选择的颜色和参考标准不同,就会受到严厉的惩罚。

这样一来,模型就会选择哪些不会被判为大错特错的颜色,而不太选择非常显眼明亮的颜色。

没时间怎么办?

卢克还把一只训练好的AI放了出来,不想从零开始训练的小伙伴们,也可以直接感受他的训练成果,只要用以下代码下载就好了。

1# Download pretrained model
2!wget https://www.dropbox.com/s/kz76e7gv2ivmu8p/model-epoch-93.pth
3#https://www.dropbox.com/s/9j9rvaw2fo1osyj/model-epoch-67.pth
1# Load model
2pretrained = torch.load('model-epoch-93.pth', map_location=lambda storage, loc: storage)
3model.load_state_dict(pretrained)
1# Validate2save_images = True3with torch.no_grad():
4 validate(val_loader, model, criterion, save_images, 0)

彩色老电影?

如果想要更加有声有色的结局,就不能继续偷懒了。卢克希望大家沿着他精心铺就的路,走到更远的地方。

要替换当前的损失函数,可以参考Zhang et al. (2017):

https://richzhang.github.io/ideepcolor/

无监督学习的上色大法,可以参考Larsson et al. (2017):

http://people.cs.uchicago.edu/~larsson/color-proxy/

另外,可以做个手机应用,就像谷歌在I/O大会上发布的着色软件那样。

黑白电影,也可以自己去尝试,一帧一帧地上色。

这里有卓别林用到的完整代码

https://github.com/lukemelas/Automatic-Image-Colorization/

如何捕获一只彩色卓别林?黑白照片AI上色教程很友好|哈佛大触

—  —

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ’ᴗ’ ի 追踪AI技术和产品新动态

版权所有,未经授权不得以任何形式转载及使用,违者必究。