基于深度学习的图像风格迁移技术的研究

被引:20
作者
牟晋娟
机构
[1] 苏州百年职业学院
关键词
图像风格迁移; 深度学习; VGG19; Tensorflow;
D O I
10.19772/j.cnki.2096-4455.2019.4.024
中图分类号
TP391.41 []; TP181 [自动推理、机器学习];
学科分类号
080203 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
本文基于深度学习理论,选用卷积神经网络模型VGG19训练模型+tensorflow深度学习框架进行图像风格迁移算法的实现,并详细说明实现过程中的关键技术,总结了VGG19模型的优缺点及图像风格迁移领域面临的挑战和发展前景。
引用
收藏
页码:82 / 85
页数:4
相关论文
共 10 条
[1]   卷积神经网络的发展与应用综述 [J].
俞颂华 .
信息通信, 2019, (02) :39-43
[2]   基于深度神经网络的经济时间序列预测模型 [J].
崔馨心 .
信息技术与信息化, 2018, (11) :75-77
[3]   基于卷积神经网络的图像风格迁移技术 [J].
窦亚玲 ;
周武彬 ;
季人煌 .
现代计算机(专业版), 2018, (30) :47-51+60
[4]   基于深度学习的图像风格迁移技术的前沿进展 [J].
丁晓龙 .
电子制作, 2018, (18) :86-87+93
[5]   基于生成对抗网络的HDR图像风格迁移技术 [J].
谢志峰 ;
叶冠桦 ;
闫淑萁 ;
何绍荣 ;
丁友东 .
上海大学学报(自然科学版), 2018, 24 (04) :524-534
[6]   超像素在图像处理方面的应用研究 [J].
徐蕾 ;
彭月平 ;
刘曼 .
电子元器件与信息技术, 2017, 1 (03) :19-21+28
[7]   深度神经网络学习的结构基础:自动编码器与限制玻尔兹曼机 [J].
康文斌 ;
彭菁 ;
唐乾元 .
中兴通讯技术, 2017, 23 (04) :32-35
[8]   基于深度循环神经网络的时间序列预测模型 [J].
杨祎玥 ;
伏潜 ;
万定生 .
计算机技术与发展, 2017, 27 (03) :35-38+43
[9]   基于颜色特征的藏毯图像检索研究与实现 [J].
孙琦龙 ;
张明亮 .
软件, 2015, (08) :25-29
[10]  
面向手机应用的图像色彩风格迁移技术研究.[D].郭天航.北方工业大学.2016, 08