深度学习——样式迁移(笔记)

样式迁移:计算机视觉应用之一

1.将样式图片中的样式(比如油画风格)迁移到内容图片上,得到合成的图片

 

 

2.基于CNN的样式迁移

①初始化合成图像,将其初始化内容图像。合成图像是风格迁移过程中唯一需要更新的变量X,即是风格迁移所需迭代的模型参数。

②用一个预训练的卷积神经网络抽取图像的特征

③卷积神经网络多个层逐级抽取图像特征,可以选择某些层的输出作为内容特征或者风格特征

④选择的神经网络含有3个卷积层,第2层输出内容特征,第1,3层是风格特征。

 

风格迁移常用的损失函数由3部分组成:

  1. 内容损失使合成图像与内容图像在内容特征上接近;
  2. 风格损失使合成图像与风格图像在风格特征上接近;
  3. 全变分损失则有助于减少合成图像中的噪点。

当模型训练结束时,我们输出风格迁移的模型参数,即得到最终的合成图像。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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