图像风格迁移做了一件文化衫-【布尔艺数】

互联网人的夏天

一定少不了件又潮又酷的文化衫。

既要又要!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         : {timm.__version__}")
print(f"device       : {torch.cuda.get_device_name()}")

python : 3.8.0 (default, Nov 6 2019, 21:49:08)[GCC 7.3.0]
  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于深度学习图像风格迁移是一种能够将一幅图像的风格转移到另外一幅图像上的技术。它使用了深度神经网络来实现图像的风格化。Python作为一种流行的编程语言,也提供了许多库和框架来实现图像风格迁移。 实现图像风格迁移的一种常用方法是使用卷积神经网络(CNN)。CNN可以从图像中提取各种特征,包括颜色、纹理和形状等。通过训练一个CNN模型,我们可以用于捕捉图像风格的特征,比如一幅画作的风格。 在Python中,有许多流行的深度学习框架可以使用,比如TensorFlow、PyTorch和Keras等。这些框架提供了许多预训练的模型,包括一些用于图像风格迁移的模型,如VGG19、ResNet等。这些模型可以很方便地用来提取图像的特征,并用于图像的风格化。 图像风格迁移的核心思想是将输入图像的内容和风格分离开来,然后将风格迁移到目标图像上。为了实现这个过程,我们需要定义一个损失函数来衡量输入图像和目标图像之间的差异,并使用梯度下降算法来最小化这个损失,从而产生一个风格化的图像。 在Python中,我们可以使用CNN模型来提取输入图像和目标图像的特征,并通过梯度下降算法调整输入图像,使其与目标图像的特征尽可能地接近。通过迭代多次训练,我们可以得到一个具有目标图像风格的风格化图像。 总之,Python提供了许多工具和库来实现基于深度学习图像风格迁移。通过使用CNN模型和梯度下降算法,我们可以将一幅图像的风格迁移到另外一幅图像上,从而实现图像的风格化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值