Xiang神经网络总结（十六）

风格转移

最简单的方法，元图片进行平移拼接。

对于一些简单重复的图片很有效。

如果是规则性不强的图片呢？

Gram Matrix
C个卷积核每一行描述了卷积组对原始图像的描述。


CN2 对应平均，若某个位置值大，则可能说明图像该种“元素反复出现”（权值是对图像的逼近描述）。也就是一种风格。

给定一张图片训练噪声图片和原始图片GramMatrix反向更新噪声图片。

形成了和原始图片很接近的图片。

能否形成梵高式风格图片？


简单，一个负责风格，一个负责内容。

参考特征逼近。
这里内容选择一般是选择较高层的，忽略细节。

内容多一些或者是风格多一些。自由选择

大图片卷积核视野小，更关注细节。

多种风格，多个GramMatrix比例调整一下。

问题：每次更新噪声图片太慢了。
解决方法：加个神经网络。

训练好GramMatrix（本质上是训练好卷积核）来个图，给一个输出，速度杠杠滴。
因为风格迁移可能就关注某个特征图，所以最好别批归一化，选择实例归一化

人们发现，改变实例归一化参数即可实现风格迁移。