《PyTorch与深度学习实战》第6章 基于CycleGAN的图像风格转换.pptxVIP

基于CycleGAN的图像风格转换;所谓图像风格转换，是指利用算法学习一类图像的风格，然后将学习到的风格应用到另外一张图像上的技术。 随着深度学习的兴起，图像风格迁移获得了进一步的发展，并取得了一系列突破性的研究成果，其出色的风格迁移能力引起了学术界和工业界的广泛关注，具有重要的研究价值。 本案例将使用艺术风格图像与现实风景图像数据集，构建CycleGAN网络，进行图像风格转换。 一是将艺术风格图像转换成现实风景图像风格。 二是将现实风景图像转换成艺术风格。;;在使用神经网络进行图像风格迁移之前，图像风格迁移的程序设计有一个共同的思路：分析某一种风格的图像，并为该风格建立一个数学或统计模型，再将模型应用到待迁移的图像中。 因此带来了一个问题，一个程序基本只能做某一种风格或某一个场景间的转换，存在较高的局限性。 所以，传统的风格转换研究的实际应用非常有限。 图像风格转换的核心在于获得输入图像的特征表达。 卷积神经网络对于图像高层特征的抽取，使得获取特征的表达变得相对容易。 因此，随着深度学习技术的兴起，图像风格转换再次回到了大众的视野。 ;生活中，图像风格转化的实际运用较少，多数运用偏娱乐性，例如，智能手机相机里的卡通滤镜功能，可以将拍摄的图像转换成卡通风格。 本案例将基于CycleGAN进行图像风格转换。 CycleGAN是图像风格转换中常用的网络，其特点是样本数据无需配对即可实现