首页|基于卷积神经网络图像风格迁移的设计与实现

基于卷积神经网络图像风格迁移的设计与实现

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着人工智能的飞速发展,它正慢慢地改变着我们的日常生活,而计算机视觉中的图像风格迁移是目前人工智能领域的一个研究热点,即将一幅图像的风格转移到另外一幅图像上,被认为是一个图像纹理转移问题,传统上一般采用的是一些非参数方法,通过一些专有固定方法来进行图像渲染,如提取图像的亮度、低频颜色信息、高频纹理信息等.但是这些方法只能提取图像的底层特征而非图像的高层抽象特征,而且往往一个程序只能做某一种风格或者某一个场景.随着卷积神经网络(CNN)的日渐成熟,图像风格迁移技术也迎来了一次变革.该技术有非常广泛的应用,视频处理、拍照美颜、社交沟通等,是当前人工智能比较流行的技术之一.本文主要实现Gatys等人提出的基于卷积神经网络(CNN)的图像风格迁移,并在此基础上实现一个图像风格迁移web应用.
Design and Implementation of Image Style Transfer Based on Convolutional Neural Net

黄光辉、李锦朋、卓俊涛、陈雨鑫、黄贻望

展开 >

铜仁学院大数据学院,铜仁 554300

卷积神经网络 图像风格迁移 损失函数

2021年国家大学生创新创业训练计划

202110665007S

2022

10.3969/j.issn.1007-1423.2022.08.019

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(8)
  • 2
  • 5