【摘要】：隨著信息技術(shù),生物技術(shù)的快速發(fā)展,以及計(jì)算機(jī)運(yùn)算性能的大幅提高,近兩年來(lái)以深度學(xué)習(xí)(DL,Deep Learning)為代表的人工智能技術(shù)發(fā)展迅猛。深度學(xué)習(xí)相對(duì)于以前的機(jī)器學(xué)習(xí),主要體現(xiàn)在神經(jīng)網(wǎng)絡(luò)的層數(shù)更深,神經(jīng)元之間的連接更加廣泛,能夠自主學(xué)習(xí)到更多的隱藏特征,因此被廣泛應(yīng)用于文字,圖像,語(yǔ)音等領(lǐng)域。在繪畫(huà)方面,人類(lèi)已經(jīng)掌握了特有的繪畫(huà)技巧,這可以被稱(chēng)為內(nèi)容與風(fēng)格的巧妙融合。計(jì)算機(jī)由于不具備人類(lèi)的視覺(jué)神經(jīng)系統(tǒng),因此長(zhǎng)期以來(lái)被認(rèn)為不適用于藝術(shù)的創(chuàng)作。然而目前有德國(guó)學(xué)者提出利用深層的卷積神經(jīng)網(wǎng)絡(luò)模型來(lái)進(jìn)行油畫(huà)的創(chuàng)作,通過(guò)卷積神經(jīng)網(wǎng)絡(luò)提取油畫(huà)的紋理特征,將此紋理融合在任意的內(nèi)容圖片上,生成了具有該油畫(huà)風(fēng)格的內(nèi)容圖片。本文在此基礎(chǔ)上嘗試將卷積神經(jīng)網(wǎng)絡(luò)的藝術(shù)風(fēng)格算法應(yīng)用在中國(guó)水墨畫(huà)的創(chuàng)作上,設(shè)計(jì)和實(shí)現(xiàn)了 WEB服務(wù)器端程序,可以對(duì)任意圖片進(jìn)行水墨風(fēng)格的渲染。WEB軟件架構(gòu)上采用B/S模式實(shí)現(xiàn)了邏輯層和表示層的分離,用戶(hù)可以通過(guò)瀏覽器運(yùn)行水墨風(fēng)格渲染序,執(zhí)行選擇風(fēng)格圖片,內(nèi)容圖片,調(diào)整運(yùn)行參數(shù)等操作。本文做的主要工作如下:1.分析了目前流行的深度學(xué)習(xí)框架和卷積神經(jīng)網(wǎng)絡(luò)模型,在評(píng)估了各深度學(xué)習(xí)框架優(yōu)缺點(diǎn)和卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型的基礎(chǔ)上,設(shè)計(jì)改進(jìn)水墨風(fēng)格渲染的算法。2.用Python編寫(xiě)了水墨風(fēng)格渲染程序。將Caffe架構(gòu)下的VGG,Illustration2Vec模型移植到Tensorflow架構(gòu),并且基于深度學(xué)習(xí)框架Tensorflow和卷積神經(jīng)網(wǎng)絡(luò)模型VGG-19,Illustration2Vec進(jìn)行圖像的水墨風(fēng)格渲染,比較分析了不同模型以及同一模型不同網(wǎng)絡(luò)層組合產(chǎn)生的圖片效果,在分析過(guò)程中用Tensorboard可視化損失函數(shù)的梯度變化過(guò)程。3.基于Node,js搭建了圖像水墨畫(huà)風(fēng)格渲染的服務(wù)器端程序,采用Express作為Web端框架,前端的頁(yè)面效果通過(guò)HTML+CSS+JavaScript完成。
[Abstract]:With the rapid development of information technology, the rapid development of biotechnology and the dramatic improvement of computer computing performance, artificial intelligence, represented by DL (Deep Learning), has developed rapidly in the last two years. It has been widely used in the fields of words, images, phonetics, and so on. In painting, human beings have mastered the unique painting skills. This can be called the skillful fusion of content and style. Because the computer does not have the human visual nervous system, it has long been considered to be unsuitable. At present, the German scholars have proposed to use the deep convolution neural network model to create the oil painting, and extract the texture features of oil painting through the convolution neural network. The texture is fused on any content picture, and the content pictures with the oil painting style are generated. The WEB server side program is designed and implemented by the network art style algorithm in the creation of Chinese ink painting. The.WEB software architecture of any picture can be rendered by the B/S mode to separate the logic layer and the presentation layer. The user can run the ink style rendering sequence through the browser and execute the selection. The main work of this article is as follows: 1. the current popular deep learning framework and convolution neural network model are analyzed. Based on the evaluation of the advantages and disadvantages of the depth learning framework and the convolution neural network structure model, the design of the algorithm.2. for improving the style of the ink style is designed by Python. The ink style rendering program is written. The VGG, Illustration2Vec model under the Caffe architecture is transplanted into the Tensorflow architecture, and the ink style of the image is rendered based on the depth learning framework Tensorflow and the convolution neural network model VGG-19, and Illustration2Vec is used to analyze the different models and the different network layer combinations of the same model. In the process of image analysis, the gradient change process of Tensorboard visual loss function is used in the analysis process.3. based on Node. JS builds the server end program of image rendering style of image ink painting, and uses Express as the Web end frame, and the page effect of the front end is finished through HTML+CSS+JavaScript.
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP18;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡(luò)技術(shù)讓管理更輕松[J];軟件世界;2000年11期

2 云中客;新的神經(jīng)網(wǎng)絡(luò)來(lái)自于仿生學(xué)[J];物理;2001年10期

3 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

4 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運(yùn)優(yōu)化方法[J];長(zhǎng)沙鐵道學(xué)院學(xué)報(bào);2003年02期

5 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

6 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類(lèi)工效學(xué);2004年03期

7 周麗暉;從統(tǒng)計(jì)角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計(jì)教育;2005年06期

8 趙奇 ,劉開(kāi)第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計(jì)算機(jī)信息;2005年14期

9 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場(chǎng)預(yù)測(cè)中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

10 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過(guò)去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報(bào);2006年03期

相關(guān)會(huì)議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹(shù)德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡(jiǎn)單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛(ài)克;馬盡文;丁康;;序言(二)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國(guó)神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩(shī)武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬(wàn)強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 美國(guó)明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國(guó)家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國(guó)教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國(guó)紡織報(bào);2003年

4 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類(lèi)大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開(kāi)復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國(guó)際先進(jìn)水平[N];中國(guó)電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過(guò)鑒定[N];中國(guó)船舶報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類(lèi)時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛(ài)民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋(píng);復(fù)雜網(wǎng)絡(luò)幾類(lèi)同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測(cè)的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測(cè)及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類(lèi)研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類(lèi)時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類(lèi)時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號(hào)：2161031