發(fā)布時間：2021-02-20 02:58

　　人工智能的第三次熱潮源于深度學(xué)習(xí)的興起,從計算機(jī)視覺到無人駕駛技術(shù),深度學(xué)習(xí)技術(shù)被研究者們應(yīng)用到了數(shù)以百計的現(xiàn)實(shí)問題中。特別是在圖像處理領(lǐng)域中,人工智能與神經(jīng)藝術(shù)的碰撞,引起了相關(guān)技術(shù)領(lǐng)域與藝術(shù)領(lǐng)域?qū)＜覍W(xué)者們的關(guān)注,這一技術(shù)將改變?nèi)藗儗D像處理的方式。風(fēng)格遷移是指運(yùn)用深度學(xué)習(xí)技術(shù)將一幅內(nèi)容圖像的內(nèi)容信息在不變的情況下學(xué)習(xí)一幅或多幅風(fēng)格圖像的風(fēng)格、色彩、明暗等元素,從而生成具有某種著名畫作風(fēng)格的一類圖像。依據(jù)目前的研究狀況分析,運(yùn)用深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)圖像風(fēng)格化還存在很多不足之處,例如,在圖像風(fēng)格化后,圖像的內(nèi)容信息存在輪廓不清楚、色彩混淆、內(nèi)容細(xì)節(jié)處理不好等問題,圖像的風(fēng)格信息存在紋理細(xì)節(jié)失真、筆觸形狀不清晰等問題。為了解決存在的上述問題,所以本文對圖像風(fēng)格遷移技術(shù)進(jìn)行了有關(guān)研究,具體內(nèi)容如下:（1）圖像風(fēng)格遷移算法改進(jìn)與實(shí)現(xiàn)。首先,調(diào)整圖像風(fēng)格化樣式權(quán)重、迭代次數(shù)、池化方法、目標(biāo)優(yōu)化算法等,實(shí)驗(yàn)確定基于VGG-19網(wǎng)絡(luò)的圖像風(fēng)格化的網(wǎng)絡(luò)超參數(shù),然后,選擇卷積層內(nèi)容特征融合、風(fēng)格特征融合的方法,實(shí)驗(yàn)觀察不同融合方法對圖像風(fēng)格化效果的影響,最后,對改進(jìn)的求和平均特征風(fēng)格遷移算法進(jìn)行實(shí)驗(yàn)研究。... 

【文章來源】：曲阜師范大學(xué)山東省

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【部分圖文】：

風(fēng)格遷移示例圖

第2章基礎(chǔ)理論5第2章基礎(chǔ)理論2.1神經(jīng)網(wǎng)絡(luò)發(fā)展歷程神經(jīng)網(wǎng)絡(luò)是一種類似于模擬人腦的神經(jīng)網(wǎng)絡(luò)，以期能夠?qū)崿F(xiàn)類人工智能的機(jī)器學(xué)習(xí)技術(shù)[24]。人腦中的神經(jīng)網(wǎng)絡(luò)是一個非常復(fù)雜且龐大的組織，成人的大腦中大約有1000億個神經(jīng)元之多，如圖2-1所示。神經(jīng)網(wǎng)絡(luò)的發(fā)展大致歷經(jīng)兩個階段，淺層神經(jīng)網(wǎng)絡(luò)階段和深度學(xué)習(xí)階段，以2006年為分割點(diǎn)[25]。圖2-1人腦神經(jīng)元2.1.1淺層神經(jīng)網(wǎng)絡(luò)1904年生物學(xué)家就已經(jīng)知曉了細(xì)胞神經(jīng)元的組成結(jié)構(gòu)及信息傳遞的方式，如圖2-2所示，一個神經(jīng)元由細(xì)胞核、樹突、軸突、軸突末梢組成，它的運(yùn)行機(jī)理：細(xì)胞核是控制中心，控制著整個細(xì)胞的運(yùn)行，樹突是接收信息的細(xì)胞神經(jīng)元組織，軸突是輸送信息的細(xì)胞神經(jīng)元組織，而軸突末梢是與其他神經(jīng)元的樹突產(chǎn)生連接，從而傳遞信號的細(xì)胞神經(jīng)元組織。圖2-2生物神經(jīng)元結(jié)構(gòu)著名的心理學(xué)家McCulloch和數(shù)學(xué)家Pitts受到生物神經(jīng)元結(jié)構(gòu)的啟發(fā)，在1943年提出了最早的MP神經(jīng)元數(shù)學(xué)模型。如圖2-3所示，數(shù)學(xué)原理為，表示輸入信號，表示權(quán)值，Σ表示求和，表示膜電位，表示閾值，表示輸出信號。模型通過的值來完成輸出值的預(yù)測，如果≥，輸出為1；如果<，輸出為0，可以看出，MP神經(jīng)元模型并沒有學(xué)習(xí)能力，只能完成固定邏輯的判定，但MP神經(jīng)元模型奠定了神經(jīng)網(wǎng)絡(luò)發(fā)展的

第2章基礎(chǔ)理論5第2章基礎(chǔ)理論2.1神經(jīng)網(wǎng)絡(luò)發(fā)展歷程神經(jīng)網(wǎng)絡(luò)是一種類似于模擬人腦的神經(jīng)網(wǎng)絡(luò)，以期能夠?qū)崿F(xiàn)類人工智能的機(jī)器學(xué)習(xí)技術(shù)[24]。人腦中的神經(jīng)網(wǎng)絡(luò)是一個非常復(fù)雜且龐大的組織，成人的大腦中大約有1000億個神經(jīng)元之多，如圖2-1所示。神經(jīng)網(wǎng)絡(luò)的發(fā)展大致歷經(jīng)兩個階段，淺層神經(jīng)網(wǎng)絡(luò)階段和深度學(xué)習(xí)階段，以2006年為分割點(diǎn)[25]。圖2-1人腦神經(jīng)元2.1.1淺層神經(jīng)網(wǎng)絡(luò)1904年生物學(xué)家就已經(jīng)知曉了細(xì)胞神經(jīng)元的組成結(jié)構(gòu)及信息傳遞的方式，如圖2-2所示，一個神經(jīng)元由細(xì)胞核、樹突、軸突、軸突末梢組成，它的運(yùn)行機(jī)理：細(xì)胞核是控制中心，控制著整個細(xì)胞的運(yùn)行，樹突是接收信息的細(xì)胞神經(jīng)元組織，軸突是輸送信息的細(xì)胞神經(jīng)元組織，而軸突末梢是與其他神經(jīng)元的樹突產(chǎn)生連接，從而傳遞信號的細(xì)胞神經(jīng)元組織。圖2-2生物神經(jīng)元結(jié)構(gòu)著名的心理學(xué)家McCulloch和數(shù)學(xué)家Pitts受到生物神經(jīng)元結(jié)構(gòu)的啟發(fā)，在1943年提出了最早的MP神經(jīng)元數(shù)學(xué)模型。如圖2-3所示，數(shù)學(xué)原理為，表示輸入信號，表示權(quán)值，Σ表示求和，表示膜電位，表示閾值，表示輸出信號。模型通過的值來完成輸出值的預(yù)測，如果≥，輸出為1；如果<，輸出為0，可以看出，MP神經(jīng)元模型并沒有學(xué)習(xí)能力，只能完成固定邏輯的判定，但MP神經(jīng)元模型奠定了神經(jīng)網(wǎng)絡(luò)發(fā)展的

【參考文獻(xiàn)】：
期刊論文
[1]非真實(shí)感繪制技術(shù)的研究[J]. 桂斌.  微計算機(jī)信息. 2008(15)

碩士論文
[1]基于深度學(xué)習(xí)的漫畫風(fēng)格遷移方法研究[D]. 武筱琪.西安理工大學(xué) 2019
[2]基于深度學(xué)習(xí)的室內(nèi)場景識別與標(biāo)注研究[D]. 李靖靖.曲阜師范大學(xué) 2019
[3]深度學(xué)習(xí)在圖像識別中的研究及應(yīng)用[D]. 李衛(wèi).武漢理工大學(xué) 2014



本文編號：3042115