■ 検証環境(AWS)

• リージョン：米国東部(バージニア北部):
• AMI：Deep Learning AMI (Ubuntu) Version 23.0 - ami-0bc213dc857866046
• インスタンス：p2.xlarge(NVIDIA K80 GPU)
• ストレージ：100 GB(汎用SSD(gp2))

■ 環境設定

• Deep Learning AMIには深層学習フレームワーク等が事前にインストールされているため，ユーザによる設定は不要
• ⇒フレームワークを選択することで使用可能になる
  • 今回はTensorFlow(python2系)を利用

$ source activate tensorflow_p27

■ スタイル変換の動作検証

• 使用したソースコード：https://github.com/lengstrom/fast-style-transfer

〇STEP.1 モデル作成

• 不足パッケージの導入

$ pip install moviepy

• ソースコードのダウンロード

$ git clone https://github.com/lengstrom/fast-style-transfer.git
$ cd fast-style-transfer/

• 学習用イメージのダウンロード
  • data/train2014に保存される

$ ./setup.sh

• モデル作成
  • styleはexampleフォルダ内のthe_scream.jpgを使用
  • 計算時間は7時間程度
    

$ python style.py --style example/style/the_scream.jpg \
   --train-path　data/train2014 \
   --checkpoint-dir checkpoint/ \
   --test examples/content/chicago.jpg \
   --test-dir examples/content

• 出力ファイル：
  • checkpoint
    
  • fns.ckpt.index
    
  • fns.ckpt.meta
  • fns.ckpt.data-00000-of-00001

〇 STEP.2 スタイル変換

• STEP.1で計算したモデルを使用して変換処理を実施

$ python evaluate.py --checkpoint-dir checkpoint --in-path input.jpg --out-path output.jpg

• 動画を変換する場合は以下を実施

$ python transform_video.py --checkpoint-dir checkpoint --in-path input.mp4 --out-path output.mp4

• 学習済みモデルは以下から取得することもできる
  • https://drive.google.com/drive/folders/0B9jhaT37ydSyRk9UX0wwX3BpMzQ
• 計算時間は数秒程度
  • 変換処理は非GPU環境でも実施可能

■ スタイル変換結果

• 元画像：
  • 

• スタイル変換後：
  • 
  • 
  •