文献类型：期刊文章

作　　者：苗序娟[1] 余浩[1] 王露[1] 郭瑞佳[1] 杨天辉[1] 牛本杰[1]

MIAO Xu-juan;YU Hao;WANG Lu;GUO Rui-jia;YANG Tian-hui;NIU Ben-jie(Department of Computer Science,Information Engineering College,Tianjin University of Commerce,Tianjin 300134)

机构地区：[1]天津商业大学信息工程学院计算机系,天津300134

出　　处：《现代计算机》

基　　金：天津市大学生创新创业训练计划项目(No.202010069139);天津市企业科技特派员项目(No.19JCTPJC54200)。

年　　份：2021

卷　　号：27

期　　号：2

起止页码：67-72

语　　种：中文

收录情况：普通刊

摘　　要：早期的图像风格迁移技术算法适用风格范围窄,一个算法往往只能针对于一种图像纹理类型,而且迁移转换结果不理想,但随着近些年人工智能和深度学随习的兴起,赋予图像风格迁移技术新的生命力。基于深度学习的图像风格迁移技术的快速发展,使得该技术被广泛的应用于图片影像加工美化,最常见的就是根据真人照片生成卡通头像,深度神经网络特有的“学习”能力让图像风格迁移技术算法实现一个算法对应多个类型图像风格,迁移转换结果也能与原图像样本达到高度吻合,这使得图像风格迁移技术应用范围更加宽广,使用更加便捷高效。通过对图像风格迁移技术发展历程,以及卷积神经网络和对抗式生成神经网络的研究分析,了解并总结两种神经网络各自优缺点,对图像风格迁移这一研究领域的未来发展趋势做出合理推测。

关 键 词：图像风格迁移  深度学习  卷积神经网络 生成式对抗网络  VGG19  TensorFlow  

分 类 号：TP391.41]