fast style transfer 快速风格转换 model

最新推荐文章于 2024-03-19 09:58:04 发布

阿豪boy

最新推荐文章于 2024-03-19 09:58:04 发布

阅读量156

点赞数

文章标签：网络 python 深度学习机器学习 tensorflow

本文链接：https://blog.csdn.net/qq_35516360/article/details/122065779

版权

本文介绍了快速风格转换的生成网络和损失网络。生成网络采用大卷积核以增强纹理学习，输入和输出图像经过特定处理。损失网络包括风格损失、内容损失和平滑损失，其中风格损失极大，用于保持艺术风格，而平滑损失有助于减少图像噪声。

摘要由CSDN通过智能技术生成

原文链接: fast style transfer 快速风格转换 model

上一篇: fast style transfer 快速风格转换 data

下一篇: fast style transfer 快速风格转换 train

网络模型模块

生成网络

generator函数接受的图像格式为NHWC,float32,数值大小转换到[-1,1]区间,输出图像为NHWC,float32,数值范围使用tanh后进行变换到[0,255]

构建网络时使用了大卷积核,这样可以有更大的感受野,具有学习范围更大的纹理能力

在输入时进行padding处理,输出层时将其剪裁掉,这样可以避免发生边缘效应

在内存允许的情况下,可以进行下采样和上采样,只要保证图像的输出大小和输入相同即可

损失网络

由于输入的图像和风格图像的size会反生改变,所以计算损失的函数也是使用tfe动态调用

损失网络的值相当大,风格损失基本上在10^10次方级别,内容损失10^6,平滑损失10^7

其中平滑损失表示图像中相邻像素之间的差值,为0时表示是一张纯色图像,用于减少头像中的噪点

model

import tensorflow as tf
import tensorflow.contrib.slim as slim
from tensorflow.contrib.slim import instance_norm
from config import *
import tensorflow.contrib.eager as tfe
import tensorflow.contrib.slim.nets as nets


def residual(x, filter_num, name):
    with tf.variable_scope(name):