首页|低算力深度学习下的图像卡通风格化研究

低算力深度学习下的图像卡通风格化研究

扫码查看
原文链接
  • 万方数据
  • 维普
在深入研究图像风格迁移的基础上,提出了一种适用于图形处理器性能受限情况下,卡通(cartoon)图像风格迁移训练的生成式对抗网络(generative adversarial networks,GAN).利用视觉几何组(visual geometry group,VGG)网络提取图片先验信息,实现学习过程的加速;裁剪cartoonGAN模型,在保证效果的基础上,使得低性能计算条件下的网络收敛成为可能;设计合理的损失函数,保证整体风格化效果.基于tensorflow2.0构建试验平台,通过对试验结果分析可发现,该方法的迁移效果好,稳定性强,且收敛时间短.对算法的参数和初始化方法给出了相关讨论,并提出了进一步的解决方案.
Cartoon style transfer of images with low performance deep learning

徐鹏飞、周腾骅、武仲科、申佳丽、王醒策

展开 >

北京师范大学人工智能学院,文化遗产数字化保护与虚拟现实北京市重点实验室,虚拟现实应用教育部工程研究中心 100875,北京

风格迁移 深度学习 生成式对抗网络 卡通风格化

国家重点研发计划国家重点研发计划国家重点研发计划国家重点研发金砖国家合作资助项目国家自然科学基金国家自然科学基金

2020YFC15233022017YFB10026042017YFB14021052017YFE01005006197204162072045

2021

10.12202/j.0476-0301.2021204

北京师范大学学报(自然科学版)
北京师范大学

北京师范大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.505
ISSN：0476-0301
年,卷(期)：2021.57(6)
  • 1
  • 34