照片美妝---人臉老化
本文轉載自http://www.sohu.com/a/131656765_642762
論文名稱《Age Progression/Regression by Conditional Adversarial Autoencoder》2017 CVPR
該程式碼是對論文《用條件對抗式自動編碼器進行人臉老化、退齡》中演算法的Tensorflow實現
環境要求
·Python 2.7x
·Scipy
·TensorFlow
資料庫
·FGNET
·MORPH
地址：https://ebill.uncw.edu/C20231_ustores/web/product_detail.jsp?PRODUCTID=8
·CACD
地址：http://bcsiriuschen.github.io/CARC/
·UTKFace (可以從Github 或維基百科獲得)
準備訓練資料你可以使用任何帶年齡標籤和性別標籤的資料庫。在該demo中，我們使用了UTF人臉資料庫，因為用這種標定並裁剪過的人臉照片更好一些。請儲存並解壓UTKFace.tar.gz到資料夾data下。
訓練
$ python main.py
訓練過程在NVIDIA TITAN X (12GB)上進行了測試。在UTK人臉資料庫（23，708張影象，大小為128x128x3）上進行50次epoch的訓練時間是兩個半小時。
在訓練過程中，會建立一個新資料夾save，包括四個子資料夾：summary, samples, test,和checkpoint
·samples ：儲存每個epoch之後重建的人臉。
·test ：儲存每個epoch之後的測試結果（基於輸入人臉生成的不同年齡的人臉）。
·checkpoint ：儲存模型。
·summary ：儲存批損失和中間輸出。
用以下命令來視覺化summary：
$ cd save/summary
$ tensorboard --logdir .
訓練之後，可以檢查資料夾samples和test來分別視覺化重建和測試效能。下圖展示了重建（左）和測試（右）的結果。重建結果（左）的第一行是測試樣例，他們分別對應的測試結果（右）由上到下，按年齡增長順序排列。
不同訓練epoch和重建損失的對比如下圖所示，為了視覺化的目的我們對它進行了低通濾波。原始的記錄儲存在summary資料夾中。
測試$ python main.py --is_train False --testdir your_image_dir
輸入命令之後，應該顯示出下面的資訊：
Building graph ...
TestingMode
Loadingpre-trained model ...
SUCCESS^_^
Done! Results are saved as save/test/test_as_xxx.png
具體來說，測試人臉會進行兩次處理，這兩次分別將其視作男性和女性。因此，儲存的檔案會分別命名為test_as_male.png（作為男性測試） 和 test_as_female.png（作為女性測試）。如果想實現更好的結果，需要在更大並更多樣化的資料集上進行訓練。
訓練過程演示第一行顯示了不同年齡的輸入人臉，其他行顯示了每次epoch之後輸出人臉的提高。輸出人臉由上到下按年齡遞增順序排列。
檔案
·FaceAging.py ：類檔案，建立並初始化模型，並且實現訓練和測試的相關事項。
地址：https://github.com/ZZUTK/Face-Aging-CAAE/blob/master/FaceAging.py
·ops.py ：由FaceAging.py的函式組成，實現卷積，反捲積，全卷積，leaky ReLU啟用函式，下載並儲存影象等操作。
地址：https://github.com/ZZUTK/Face-Aging-CAAE/blob/master/ops.py
·main.py ：演示 FaceAging.py。
https://github.com/ZZUTK/Face-Aging-CAAE/blob/master/main.py