隨著深度學(xué)習(xí)的崛起,基于深度學(xué)習(xí)的圖像風(fēng)格轉(zhuǎn)換模型得以快速發(fā)展并具有廣泛的應(yīng)用,又在生成網(wǎng)絡(luò)模型生成對(duì)抗網(wǎng)絡(luò)的促進(jìn)下,基于生成對(duì)抗網(wǎng)絡(luò)的圖像風(fēng)格轉(zhuǎn)換模型能力又進(jìn)一步提升。然而作為藝術(shù)創(chuàng)作的輔助工具還遠(yuǎn)遠(yuǎn)達(dá)不到要求,基于生成對(duì)抗網(wǎng)絡(luò)的圖像風(fēng)格轉(zhuǎn)換模型存在轉(zhuǎn)換的圖像質(zhì)量不理想以及網(wǎng)絡(luò)模型不穩(wěn)定的問題。本文針對(duì)以上問題,對(duì)CycleGAN做出改進(jìn)。CycleGAN是無監(jiān)督的圖像轉(zhuǎn)換模型,雖然CycleGAN無需成對(duì)的數(shù)據(jù)集就可以進(jìn)行訓(xùn)練,并可以快速風(fēng)格化圖像,但是模型本身還是遺存?zhèn)鹘y(tǒng)生成對(duì)抗網(wǎng)絡(luò)的缺點(diǎn),例如模式崩潰、訓(xùn)練不夠穩(wěn)定、圖像風(fēng)格化質(zhì)量不高。本文針對(duì)模型做出兩點(diǎn)改進(jìn),首先在判別器中引入譜歸一化,譜歸一化的作用是對(duì)卷積后的參數(shù)矩陣進(jìn)行譜范數(shù)標(biāo)準(zhǔn)化,這樣就使神經(jīng)網(wǎng)絡(luò)被限制在一個(gè)范圍內(nèi),以達(dá)到對(duì)判別器施加1-lipschitz限制,從而使函數(shù)更加平滑。其次我們針對(duì)生成器也做出改進(jìn),在生成器中加入了新型的殘差結(jié)構(gòu),新型殘差結(jié)構(gòu)通過對(duì)激活函數(shù)、卷積層以及歸一化操作的合理搭配來達(dá)到優(yōu)化信號(hào)傳播,減小訓(xùn)練誤差,并通過恒等映射以保證梯度平滑、網(wǎng)絡(luò)穩(wěn)定。最后通過一組消融實(shí)驗(yàn)以及四種不同藝術(shù)風(fēng)格的數(shù)據(jù)結(jié)... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外相關(guān)研究現(xiàn)狀
        1.2.1 生成對(duì)抗網(wǎng)絡(luò)理論研究現(xiàn)狀
        1.2.2 生成對(duì)抗網(wǎng)絡(luò)應(yīng)用研究現(xiàn)狀
        1.2.3 圖像風(fēng)格轉(zhuǎn)化研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 本文組織架構(gòu)
第2章 生成對(duì)抗網(wǎng)絡(luò)
    2.1 生成對(duì)抗網(wǎng)絡(luò)基本原理
        2.1.1 生成對(duì)抗網(wǎng)絡(luò)核心思想
        2.1.2 生成對(duì)抗網(wǎng)絡(luò)目標(biāo)函數(shù)
        2.1.3 生成對(duì)抗網(wǎng)絡(luò)訓(xùn)練過程
    2.2 基于生成對(duì)抗網(wǎng)絡(luò)的圖像風(fēng)格轉(zhuǎn)換
        2.2.1 有監(jiān)督的生成對(duì)抗網(wǎng)絡(luò)圖像風(fēng)格轉(zhuǎn)換
        2.2.2 無監(jiān)督的生成對(duì)抗網(wǎng)絡(luò)圖像風(fēng)格轉(zhuǎn)換
第3章 基于生成對(duì)抗網(wǎng)絡(luò)的藝術(shù)風(fēng)格轉(zhuǎn)換模型
    3.1 關(guān)鍵技術(shù)
        3.1.1 譜歸一化
        3.1.2 ResNetV2
    3.2 模型結(jié)構(gòu)
        3.2.1 生成器網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 判別器網(wǎng)絡(luò)結(jié)構(gòu)
    3.3 實(shí)驗(yàn)結(jié)果及分析
        3.3.1 實(shí)驗(yàn)環(huán)境介紹
        3.3.2 實(shí)驗(yàn)數(shù)據(jù)集
        3.3.3 實(shí)驗(yàn)參數(shù)設(shè)置
        3.3.4 評(píng)價(jià)標(biāo)準(zhǔn)和對(duì)比方法
        3.3.5 實(shí)驗(yàn)對(duì)比及分析
    3.4 本章小結(jié)
第4章 基于生成對(duì)抗網(wǎng)絡(luò)的注意力動(dòng)漫風(fēng)格轉(zhuǎn)換模型
    4.1 關(guān)鍵技術(shù)
        4.1.1 注意力機(jī)制
    4.2 網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.1 生成器、判別器網(wǎng)絡(luò)結(jié)構(gòu)
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.3.2 實(shí)驗(yàn)參數(shù)設(shè)置
        4.3.3 對(duì)比方法
        4.3.4 實(shí)驗(yàn)對(duì)比與分析
    4.4 本章小結(jié)
第5章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
致謝
參考文獻(xiàn)



本文編號(hào)：3030063