原标题:CNN图像风格迁移的原理及TensorFlow实现
本文全部代码 地址
在公众号 datadw 里 回复风格迁移即可获取。
图像风格迁移最近两年比较火,看起来也比较有趣,所以这两天闲暇时候看了一些文章了解了下其中的原理,特来分享,如果你也对图像风格迁移感兴趣,不妨来看一看这篇文章。
本篇博文要介绍的是2016年的CVPR论文,该文章用CNN网络来做图像风格迁移。
“ Image Style Transfer Using Convolutional Neural Networks”
论文地址
http://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Gatys_Image_Style_Transfer_CVPR_2016_paper.pdf
在开始介绍文章算法之前,先看看什么是图像风格迁移?如下图:A是待转换的图像,小的矩形图像是风格图像,B是转换后的图像。
因此要完成图像的风格转换,需要输入一张待转换的图像和一张风格图像,在文中这两张图像在提取特征之前都会resize到相同的尺寸。另外文章的CNN主网络采用的是19层的VGG。接下来详细介绍本文的算法。
Fgiure1介绍了后面要用到的一个很重要的观点(主要根据Figure1最下面的content reconstructions 结果):网络的高层特征一般是关于输入图像的物体和布局等信息,低层特征一般表达输入图像的像素信息。也就是说在提取content特征时,不同层的表达效果是不