Deep Dream and Neural Style

Neural Style：

通过优化三个loss：

（1）style loss：主要是优化base image和style reference image之间的L2 距离（优化多个conv层的feature maps）
（2）content loss：主要优化base image 和 combination image之间的L2距离（主要优化一层的feature maps）
（3）total variation loss：主要用于平滑combination image（直接优化combination image）

具体流程：

1.训练一个CNN（如VGG）
2.输入三幅图（base，style，combination，combination可以是uniform分布的矩阵）
3.得到各层的feature maps
4.根据三个loss建立总的loss方程，最小化loss（通过改变输入的combination image矩阵）

Deep Dream：

包括两个loss:

（1）continuity_loss:用于平滑input X
（2）feature maps的L2 norm
同样改变input X来优化loss。但是感觉Deep Dream比Neural Style更依赖于weights。

DeepDream比较好玩的是可以通过softmax层来指定给input X加什么样的特效