deep dream 代价函数风格代价和内容代价

最新推荐文章于 2024-05-22 13:23:29 发布

甦萌

最新推荐文章于 2024-05-22 13:23:29 发布

阅读量369

点赞数

分类专栏：深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/lanyanzhiji123asd/article/details/105948077

版权

深度学习专栏收录该内容

2 篇文章 0 订阅

订阅专栏

1. deep dream可以利用深度学习的方式生成图片。例如下图，左边是一张内容图片，右边是一张梵高风格的图片，最后可以生成下面那张图片。

2. 我们定义代价函数来判断生成的图片是否接近我们的需求，代价函数包括两部分，内容代价函数+风格代价函数，公式如下，内容代价函数是判断CG两张图片，风格代价函数是判断SG两张图片

3. 内容代价函数

我们使用隐藏层 $l$ 来计算内容代价函数

$a^{[l](C)}$ 和 $a^{[l](G)}$ 是图片中 $l$ 层的激活值

如果 $a^{[l](C)}$ 和 $a^{[l](G)}$ 相似，我们可以认为图片相似，所以内容代价函数为

$J_{content}(C,G)=\frac{1}{2} \left \| a^{[l][C]}-a^{[l][G]} \right \| ^2$

4. 风格代价函数

风格代价函数我们需要对于S图和G图分别计算一个风格矩阵，相当于两个风格矩阵最接近，说明风格越相近。

我们将卷积神经网络过程中的某一个激活项取出，如图中的1

这是一个 $n_h \times n_w \times n_c$ 的激活项，设 $a_{i,j,k}^{[l]}$ 为隐藏层 $l$ 中的 $(i,j,k)$ 位置的激活项，风格矩阵可表示为

$G_{kk'}^{[l](S)}=\sum_{i=1}^{n_H^{[l]}} \sum_{j=1}^{n_W^{[l]}} a_{i,j,k}^{[l](S)}a_{i,j,k'}^{[l](S)}$

5. 利用梯度下降或其他优化方法最小化代价函数

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
deep dream 代价函数风格代价和内容代价

1. deep dream可以利用深度学习的方式生成图片。例如下图，左边是一张内容图片，右边是一张梵高风格的图片，最后可以生成下面那张图片。2. 我们定义代价函数来判断生成的图片是否接近我们的需求，代价函数包括两部分，内容代价函数+风格代价函数，公式如下，内容代价函数是判断CG两张图片，风格代价函数是判断SG两张图片3. 内容代价函数我们使用隐藏层来计算内容代价函数和是图片...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。