使用卷积神经网络的图像样式转换.docVIP

课程论文 课程名称：《数字图像处理与分析（B）》 任课教师：吴巍 课程号学期：2016-2017学年第1学期 成绩 《使用卷积神经网络的图像样式转换的研究》 院 系 信息工程学院 专 业 电子与通信工程 班 级 信研163 提交时间：2016年 11月 28日 使用卷积神经网络的图像样式转换的研究 湖北省武汉，430070 摘要：以不同的风格样式渲染图像的内容一直都是一个十分困难的图像处理任务。也可以说，以前主要限制因素是不知如何明确表示内容信息。在这里我们使用图像表示导出优化的能够识别对象的卷积神经网络，这使得高级图像信息显示。我们引入了一种可以分离和重组自然图像的图像内容和艺术风格的神经算法。这个算法允许我们生成高质量的新目标图像，它能将任意照片的内容与许多众所周知的艺术品的风格相结合。我们的结果提供了对卷积神经网络学习的深度图像表示的新理解，并且展示了他们的高水平图像合成和操纵的能力。 关键词：卷积神经网络；图像处理；神经算法 The Study of Image Style Transfer Using Convolutional Neural Networks LiWenxing School of Science,Wuhan University of Technology,Wuhan 430070,China Abstract: Rendering the content of an image in a different style has always been a difficult image processing task. It can also be said that the main limiting factor in the past is that I do not know how to clearly express the content information. Here we use an image representation to derive an optimized, object-aware convolutional neural network, which allows advanced image information to be displayed. We introduce a neural algorithm that can separate and reconstruct the image content and artistic style of natural images. This algorithm allows us to generate high-quality new target images that combine the content of any photo with the style of many well-known works of art. Our results provide a new understanding of the depth image representation of convolution neural network learning and demonstrate their ability to synthesize and manipulate high-level images. Keywords: Convolutional Neural Network; Image Processing; Neural algorithm 作者观点 认为在卷积神经网络中的图像内容和图像风格是可分离的。也就是说，可以获取一个图片的图像内容，获取另一张图片的图像风格，二者结合起来产生新的有意义的图像。让你的照片瞬间变换成艺术风格作品。它不同于传统的风格滤镜，而是基于人工智能，每个风格都是由真正的艺术家创作的。 印象派、野兽派、浮世绘、解构主义，这些曾经的艺术风格都是画家脑中不可捉摸的概念。然而而到了人工智能时代，所有艺术风格都被证实是可以进行“量化”的，并且通过卷积神经网络的学习，可以源源不断地产生新作品。 对别人做法的评价 1. 他人方法上的不足 一直以来，都有人试图将图像样式从一个图像转移到另一个图像，而且这一直被认为是纹理传送问题。前人的解决方法是在纹理传送中，从源图像合成它的纹理，同时对纹理合成进行约束以保留目标图像的实际内容。对于这种纹理合成，一直使用强大的非参数的算法，而这算法是通过重新确定源图像纹理的像素来合成照片纹理。例