文献类型：期刊文章

作　　者：陈淮源[1,2] 张广驰[1] 陈高[2] 周清峰[2]

CHEN Huaiyuan;ZHANG Guangchi;CHEN Gao;ZHOU Qingfeng(School of Information Engineering,Guangdong University of Technology,Guangzhou 510006,China;School of Electrical Engineering&Intelligentization,Dongguan University of Technology,Dongguan,Guangdong 523808,China)

机构地区：[1]广东工业大学信息工程学院,广州510006 [2]东莞理工学院电子工程与智能化学院,广东东莞523808

出　　处：《计算机工程与应用》

基　　金：广东省科技计划(2017B090909006,2019B010119001,2020A050515010,2020A0505100012);广州市科技计划(201904010371);广东特支计划项目(2019TQ05X409)。

年　　份：2021

卷　　号：57

期　　号：11

起止页码：37-45

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：图像风格迁移是计算机视觉领域的一个热点研究方向。随着深度学习的兴起,图像风格迁移领域得到了突破性的发展。为了推进图像风格迁移领域的发展,对基于深度学习的图像风格迁移的现有研究方法进行综述。对基于深度学习的图像风格迁移方法进行分类和梳理,并对比分析基于卷积神经网络和基于生成对抗网络的风格迁移方法,介绍了图像风格迁移的改进性和拓展性工作,讨论了图像风格迁移领域目前面临的挑战和未来的研究方向。

关 键 词：图像风格迁移  深度学习  卷积神经网络 生成对抗网络  

分 类 号：TP391.41] TP183[计算机类]