图像风格迁移做了一件文化衫-【布尔艺数】

本文链接：https://blog.csdn.net/Boolart/article/details/123483855

本文介绍了如何使用深度学习技术进行图像风格迁移，以致敬深度学习先驱Hinton。通过预训练的卷积神经网络，提取内容图片和风格图片的表征，构建内容损失和风格损失函数，实现艺术风格的迁移。最终，将毕加索的风格应用到Hinton的照片上，展示了深度学习在艺术创作中的应用。

摘要由CSDN通过智能技术生成

互联网人的夏天

一定少不了件又潮又酷的文化衫。

既要潮又要酷！这可难坏了设计小伙伴～

赶紧召集大家一起出点子！

一番讨论后，大家一致认为：

Hinton ！是业界最潮最酷的人！

Geoff Hinton，被誉为“深度学习教父”

他是业内广为人知的「领先于潮流」，在所有人都不看好神经网络的那些年，是他，用近40年的研究，将这一技术推向了主流学术界。

当被问到为什么不放弃时，Hinton坚信：

「其他人都错了（everyone else is wrong）」

so～当理想被质疑时，

请温柔的给世界一点时间赶上！

图像风格迁移是在保持原图片内容情况下，将一些艺术图片风格元素融入，看起来像是由艺术家重新画了一版。

最近公司【布尔艺数】要印制一版致敬深度学习先驱Hinton的文化杉，由于暂时请不起画家专门帮我们创作，所以我们决定让AI艺术家来帮忙。上面一组图是基于论文A Neural Algorithm of Artistic Style方法，将毕加索自画像风格嵌入到Hinton个人照片上的效果【莫名苏联风 XD】。

OK。那我们在讲解原理和实践前，先导入我们需要的工作环境，主要是深度学习框架PyTorch及，基于PyTorch的计算机视觉模型预训练库timm，图像数据处理&增强库albumentations。

import os
import sys

import numpy as np
from tqdm import tqdm

import cv2
from PIL import Image

import timm
import torch
import torch.nn as nn
import torch.optim as optim
from albumentations import Compose, RandomCrop, Normalize, HorizontalFlip, Resize
from albumentations.pytorch import ToTensorV2

import matplotlib.pyplot as plt
import imageio

%matplotlib inline
datadir = "./asset/1_image_style_transfer/"
device = "cuda:1" if torch.cuda.is_available() else "cpu"

print(f"python       : {sys.version}")
print(f"torch        : {torch.__version__}")
print(f"timm         : {ti