基于深度学习的图片风格转换系统
摘 要
本篇论文主要是设计基于深度学习的图片风格转换系统，图像风格迁移是一种将一张图像的风格应用到另一张图像上的技术。具体来说，它将一张包含艺术风格的图像作为输入（称为"风格图片"），并将其应用到一张包含内容的图像（称为"内容图片"）上，以生成一张新的图像，该图像保留了原始内容图片的内容，但具有风格图片的艺术风格。这其中包含两种主要方法，一种是常见基于在线图像优化的慢速风格迁移，一种是基于离线模型优化的快速风格迁移，本设计主要应用更为优质的后者，主要使用其中基于神经网络转换相关图片特征模型的方法，在纹理建模，图像重建的基础上，预训练一个向前网络，使得图像经过一次前向计算就可以得到图像重建结果，在根据各自约束条件来优化这一结果，解决了如今大部分在线慢速优化需要大量计算资源以及时间成本的问题。
该论文有图3幅，参考文献10篇。
关键词：图像 风格转换 深度学习 神经网络
Image style conversion system based on deep learning
Abstract
This paper mainly designs the picture style conversion system based on deep learning. Image style transfer is a technique to apply the style of one image to another image. Specifically, it takes an image containing an artistic style as input (called "style image") and applies it to an image containing the content (called "content image") to generate a new image that retains the content of the original content image, but has the artistic style of the style image. This contains two main methods, one is common based on online image optimization, one is based on offline model optimization fast style migration, this design mainly applies the latter, mainly using methods based on neural network conversion related image feature model, on the basis of texture modeling, image reconstruction, pre-training a forward network, make the image after a forward calculation can get the image reconstruction results, in the constraints according to optimize the result, solved most of the online slow optimization requires a lot of computing resources and time cost.
Key Words: image Style conversion deep learning nerve net
目 录
目录
基于深度学习的图片风格转换系统
摘 要
Abstract
1 背景介绍及选题意义
1.1 背景介绍
1.2 选题意义
2 相关方法介绍
2.1 纹理建模
2.2 图像重建
2.3 图像风格迁移
2.3.1 基于在线图像优化的慢速图像风格迁移算法
2.3.2 基于离线模型优化的快速图像风格迁移算法
2.4 图像风格迁移效果评估
3 具体方法介绍
3.1 内容图像表示
3.2 风格图像表示
3.3 风格迁移
3.4 基于神经网络的风格转换
四 核心代码实现
4.1 VGG 19应用：
4.2 UI搭建
4.3 主函数功能实现
五 成果
5.1 UI界面
5.2 风格转换类型展示：
参考文献
致谢
