風格遷移是將一種圖像內(nèi)容語義與另一種圖像風格語義融合在一起,最終形成新圖像的處理方法。在人們喜歡通過圖像對自己的想法和情感進行表達的當今社會具有一定的商業(yè)價值。同時,訓練得當也可以完成圖像生成、語義分割、拓展數(shù)據(jù)集等計算機視覺任務(wù),具有研究價值。已有的風格遷移算法分別是通過人工建模的傳統(tǒng)風格遷移和基于深度學習的風格遷移技術(shù)。傳統(tǒng)的風格遷移更適用于對固定紋理的輸出,泛用性不高,并且疊加效果過于生硬�；谏疃葘W習的風格遷移技術(shù)能夠分離圖像的內(nèi)容語義特征和風格語義特征,效果與傳統(tǒng)風格遷移相比優(yōu)秀很多。但整體仍處于發(fā)展進程中。本文提出的結(jié)合膠囊的環(huán)形生成式對抗網(wǎng)絡(luò)是在環(huán)形生成式對抗網(wǎng)絡(luò)的基礎(chǔ)上,引入膠囊的概念。通過結(jié)合膠囊概念和卷積層,對環(huán)形生成式對抗網(wǎng)絡(luò)結(jié)構(gòu)進行規(guī)劃和調(diào)整,實現(xiàn)膠囊和卷積混合的判別器。目的是明確特征之間的相對關(guān)系,得到穩(wěn)定的圖像風格遷移。環(huán)形生成式對抗網(wǎng)絡(luò)包括兩個生成器和兩個判別器,分別負責兩個圖像域之間的轉(zhuǎn)換和真假判別。因為卷積神經(jīng)網(wǎng)絡(luò)池化等緣故產(chǎn)生的不變性會導致模丟失了各個特征之間的相對關(guān)系,所以本文將膠囊結(jié)構(gòu)引入底層網(wǎng)絡(luò)結(jié)構(gòu)中,實現(xiàn)特征的同變性。經(jīng)過實驗,采用膠囊和卷積...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

圖1-1早期紋理深度學習的發(fā)展帶動了風格遷移的又一次跨越式進展

第一章緒論2研究者們最初將圖像的風格看作是圖像紋理，圖像基于物理模型或傳統(tǒng)非參數(shù)的數(shù)學模型的方式實現(xiàn)風格遷移。后隨著深度學習的發(fā)展，風格遷移迎來了一次跨越式進展。基于卷積神經(jīng)網(wǎng)絡(luò)的圖像風格遷移引起業(yè)界廣泛關(guān)注。1.2研究現(xiàn)狀1.2.1風格遷移研究現(xiàn)狀風格遷移研究的初始是通過傳統(tǒng)非....

圖1-2人工智能的發(fā)展歷程

第一章緒論5自主移動的機器人。但因為龐大的計算量與當時能夠提供的計算生產(chǎn)力不符，需要的經(jīng)驗和信息數(shù)據(jù)也格外龐大，所以人工智能無法繼續(xù)推進，迎來了第一次寒潮。二十世紀八十年代，很多學者將反向傳播算法用于神經(jīng)網(wǎng)絡(luò)[25][26]，解決了單層感知器不能解決的異或問題，為后續(xù)的研究和應(yīng)用....

圖1-3人工智能的兩個階段

第一章緒論6游、海底探索都一項項隨著科技的進步成為現(xiàn)實。在科幻作品中，不論是控制無人駕駛騎車進行的犯罪，還是對關(guān)于擁有自我意識機器人的倫理探討，“人工智能”都是不可不提的詞匯。尤其是在達成真正的“人工智能”這一過程中，已經(jīng)出現(xiàn)的人機對弈、智能識別、自動駕駛、專家系統(tǒng)、語言處理等眾....

圖1-4生成人臉圖像

第一章緒論9由Karras提出的風格生成式對抗網(wǎng)絡(luò)（Style-GAN）因為人臉生成的逼真程度點燃了人們的激情。風格生成式對抗網(wǎng)絡(luò)提出了一個新的生成結(jié)構(gòu)。標準的生成器只需要將潛在編碼作為輸入，但風格生成式對抗網(wǎng)絡(luò)首先將潛在編碼放入非線性映射網(wǎng)絡(luò)進行處理，生成潛在空間。再通過在每層....

本文編號：3897467