机器学习:利用卷积神经网络实现图像风格迁移 (一)
来源:互联网 发布:武汉软件培训班 编辑:程序博客网 时间:2024/05/21 01:55
相信很多人都对之前大名鼎鼎的 Prisma 早有耳闻,Prisma 能够将一张普通的图像转换成各种艺术风格的图像,今天,我们将要介绍一下Prisma 这款软件背后的算法原理。就是发表于 2016 CVPR 一篇文章,
“ Image Style Transfer Using Convolutional Neural Networks”
算法的流程图主要如下:
总得来说,就是利用一个训练好的卷积神经网络 VGG-19,这个网络在ImageNet 上已经训练过了。
给定一张风格图像
content representation
在建立目标函数之前,我们需要先给出一些定义: 在CNN 中, 假设某一 layer 含有
所以,我们可以给出 content 的 cost function:
style representation
为了建立风格的representation,我们先利用 Gram matrix 去表示每一层各个 feature maps 之间的关系,
利用 Gram matrix,我们可以建立每一层的关于 style 的 cost :
结合所有层,可以得到总的cost
最后将 content 和 style 的 cost 相结合,最终可以得到:
下一篇博客里,我们将介绍基于 TensorFlow 的代码实现。
- 机器学习:利用卷积神经网络实现图像风格迁移 (一)
- 机器学习:利用卷积神经网络实现图像风格迁移 (一)
- 机器学习:利用卷积神经网络实现图像风格迁移 (一)
- 机器学习:利用卷积神经网络实现图像风格迁移 (二)
- 机器学习:利用卷积神经网络实现图像风格迁移 (三)
- 卷积神经网络做图像风格迁移的项目代码笔记
- 基于卷积神经网络实现图片风格的迁移 1
- 基于卷积神经网络实现图片风格的迁移 2
- 基于卷积神经网络实现图片风格的迁移 3
- 利用pytorch实现神经网络风格迁移Neural Transfer
- 机器学习--神经网络算法系列--卷积神经网络
- 迁移学习和微调深度卷积神经网络
- 迁移学习和微调深度卷积神经网络
- Tensorflow基础:卷积神经网络迁移学习
- 利用卷积神经网络(CNN)提取图像特征
- 深度学习(一)卷积神经网络
- 机器学习-->深度学习-->卷积神经网络(CNN)
- Tensorflow学习之实现卷积神经网络(一)
- 如何让虚拟目录里面的webconfig不继承网站的设置
- net命令行详解
- 1044. Shopping in Mars (25) PAT 甲级
- PHP+ffmpeg+nginx的配置实现视频转码
- Caffe深度学习框架下网络模型loss曲线绘制脚本
- 机器学习:利用卷积神经网络实现图像风格迁移 (一)
- 正向代理与反向代理的区别【Nginx读书笔记】
- 多态性之超载与虚函数
- Java开发环境的配置步骤
- 童年(二)
- css-1
- 安装软件时出现提示“软件已损坏”或“不是Mac Appstore下载的”解决方法
- 【MSP是什么】MSP的九个治理主题
- 为什么安卓系统要比ios卡