图像风格转换练习
原理参考这篇文章https://blog.csdn.net/stdcoutzyx/article/details/53771471
代码下载地址:https://github.com/titu1994/Neural-Style-Transfer
这里采用配置输出的图像名称及迭代次数,将某一个图片,按照风格转换后输出风格效果图片:
这里采用了imagenet-vgg-verydeep-19.mat来对图片的特征进行抽取。通过比较,我们发现随着迭代的次数,图像的变化趋势:在1000次迭代过程中,随着迭代的深度增加,画面会越来越细致,在第20轮时就已经有了原有内容图片的基本轮廓。基本在500次时已经达到了最后的效果;
超参数的调节,对迭代后的风格转化效果的变化:程序默认的BETA1 为0.9,BETA2 设为0.999。
将BETA1 设为0.3 BETA2 设为0.999,
将BETA1 设为0.9 BETA2 设为0.3
整体感觉BETA1的参数高的时候,画面偏重内容的图像,BETA2的参数高的时候,画面偏重风格的图像多一些。