繪畫是藝術(shù)創(chuàng)作重要的視覺(jué)表現(xiàn)形式之一,而繪畫風(fēng)格可以用于表現(xiàn)繪畫的文化創(chuàng)作背景和藝術(shù)特征,是各門類藝術(shù)繪畫派系最直接的特征表現(xiàn)。在過(guò)去,藝術(shù)繪畫的創(chuàng)作需要訓(xùn)練有素的專業(yè)人員和大量的時(shí)間。隨著計(jì)算機(jī)技術(shù)的發(fā)展,借助計(jì)算機(jī)的圖像處理能力可以出色地完成圖像藝術(shù)創(chuàng)作的任務(wù)。傳統(tǒng)的圖像風(fēng)格遷移方法在視覺(jué)效果上難以符合實(shí)際應(yīng)用的要求,而深度學(xué)習(xí)的出現(xiàn)很大程度上改變了這種狀況。其中,卷積神經(jīng)網(wǎng)絡(luò)是目前在圖像處理方面功能最強(qiáng)大、效果最好的模型,能夠有效地提取圖像中的高層抽象特征表示,極大地提升了圖像風(fēng)格遷移的藝術(shù)視覺(jué)效果。然而,深度學(xué)習(xí)是一個(gè)重量級(jí)的機(jī)器學(xué)習(xí)算法,擁有著龐大的超參數(shù)空間,在實(shí)際應(yīng)用中對(duì)計(jì)算效率的要求苛刻。這很大程度上限制了基于深度學(xué)習(xí)的圖像風(fēng)格遷移方法在工業(yè)應(yīng)用中的進(jìn)一步推廣。另外,深度學(xué)習(xí)的內(nèi)部仍然是一個(gè)黑盒,其超參數(shù)空間的數(shù)學(xué)意義目前仍無(wú)法理解。這對(duì)進(jìn)一步提升圖像風(fēng)格遷移的視覺(jué)效果增加了極大的難度。本文對(duì)目前主要的基于深度學(xué)習(xí)的圖像風(fēng)格遷移方法進(jìn)行了深入研究與探討,發(fā)現(xiàn)并提出了相關(guān)問(wèn)題的改善方法。本文的主要工作包含以下三個(gè)方面:（1）本文系統(tǒng)地描述了基于深度學(xué)習(xí)的圖像風(fēng)格遷移方法的... 

【文章來(lái)源】：廣東工業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Gatys的圖像風(fēng)格遷移

第一章 緒論人們各式各樣的需求。在傳統(tǒng)的圖像風(fēng)格遷移方法中，風(fēng)格遷移的實(shí)現(xiàn)著重于物體模型的繪制和圖像紋理的合成。Efros 等人[5]提出了一種簡(jiǎn)單地通過(guò)對(duì)樣本紋理進(jìn)行拼接和重組以合成新紋理的算法。Hertzmann 等人[6]提出了一種基于類推思想的方法，該方法通過(guò)圖像類比特征的映射關(guān)系合成具有新紋理的圖像。張海嵩等人[7]運(yùn)用多層紋理陣列、國(guó)畫光照模型、提取輪廓線等模塊，實(shí)時(shí)繪制 3D 中國(guó)畫效果的山巒場(chǎng)景。錢小燕等人[8]提出了一種鄰域一致性度量方法，通過(guò)把統(tǒng)計(jì)特性引入相似性度量中，以提高圖像匹配點(diǎn)搜索的效率。雖然，這些方法在處理結(jié)構(gòu)簡(jiǎn)單的圖像上已經(jīng)獲得了可觀的效果，但是在處理顏色和紋理較復(fù)雜的圖像時(shí)，產(chǎn)生的效果難以符合實(shí)際需求。而深度學(xué)習(xí)的出現(xiàn)徹底改變了這種狀況，極大地推動(dòng)了圖像風(fēng)格遷移的發(fā)展。

圖 2-1 VGG-19 模型Fig 2-1 VGG-19 model網(wǎng)絡(luò)模型相比，VGG 模型的準(zhǔn)確度顯著提升，而且大幅度減少了網(wǎng)絡(luò)訓(xùn)練參數(shù)，因而受到了廣泛的關(guān)注。在 VGG 模型中總共有 6 種網(wǎng)絡(luò)模型參數(shù)的配置方法，每一種配置方法在結(jié)構(gòu)上非常相似。其中，VGG-16 和 VGG-19 的模型性能較好，卷積神經(jīng)網(wǎng)絡(luò)層之間直接通過(guò) 1*1 的卷積核進(jìn)行堆疊相連，能夠以較小的計(jì)算代價(jià)增加了非線性的超參數(shù)空間，大大加強(qiáng)了模型的特征分層能力。Gatys 等人最早將預(yù)訓(xùn)練的 VGG-19 模型作為特征提取器，具體模型如圖 2-1 所示。給定的輸入圖像在特征提取器的中間層中會(huì)被處理成一組濾波特征向量，即抽象特征表示。圖像特征可以通過(guò)僅知道特定中間層的抽象特征表示來(lái)進(jìn)行重建，以此來(lái)可視化神經(jīng)網(wǎng)絡(luò)模型中不同層對(duì)于圖像信息的處理方式。在 VGG-19 卷積神經(jīng)網(wǎng)絡(luò)模型中，常用于重構(gòu)圖像內(nèi)容特征的中間層有’conv4_2’，常用于重構(gòu)圖像風(fēng)格特征的中間層有’conv1_1’ ，’conv2_1’， ’conv3_1’，’conv4_1’，’conv5_1’。這些中間層能夠有效地

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)應(yīng)用技術(shù)研究[J]. 毛勇華,桂小林,李前,賀興時(shí).  計(jì)算機(jī)應(yīng)用研究. 2016(11)
[2]快速風(fēng)格遷移[J]. 錢小燕,肖亮,吳慧中.  計(jì)算機(jī)工程. 2006(21)
[3]實(shí)時(shí)繪制3D中國(guó)畫效果[J]. 張海嵩,尹小勤,于金輝.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2004(11)



本文編號(hào)：3265113