文献类型：期刊文章

作　　者：王婷[1] 李航[1] 胡智[1]

Wang Ting;Li Hang;Hu Zhi(College of Software,Shenyang Normal University,Shenyang 110034,Liaoning,China)

机构地区：[1]沈阳师范大学软件学院

出　　处：《计算机应用与软件》

基　　金：国家自然科学基金项目(60970112)

年　　份：2019

卷　　号：36

期　　号：11

起止页码：224-228

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、JST、ZGKJHX、核心刊

摘　　要：针对卷积神经网络在实现图像风格迁移中出现的图像失真及精度较差问题,提出一种基于卷积神经网络的图像风格迁移算法.分析传统的纹理重构算法,采用拟牛顿法之一的L-BFGS优化方法对其进行改进.利用Gram矩阵计算图片中的纹理、颜色和视觉信息,提取一幅普通图片和一幅具有代表性的艺术性图像的两种高层抽象特征表示,从而生成具有原内容和艺术性风格的合成图像.在深度学习Keras框架的基础上,设计一种卷积神经网络的图像风格迁移算法.实验结果表明,适度地选择迭代次数可观察合成图像的匹配程度,该算法可提高准确度并降低计算复杂度.

关 键 词：图像风格迁移  Keras  VGGNet  深度学习  

分 类 号：TP183]