典型文献
基于卷积神经网络图像风格迁移的设计与实现
文献摘要：
随着人工智能的飞速发展,它正慢慢地改变着我们的日常生活,而计算机视觉中的图像风格迁移是目前人工智能领域的一个研究热点,即将一幅图像的风格转移到另外一幅图像上,被认为是一个图像纹理转移问题,传统上一般采用的是一些非参数方法,通过一些专有固定方法来进行图像渲染,如提取图像的亮度、低频颜色信息、高频纹理信息等.但是这些方法只能提取图像的底层特征而非图像的高层抽象特征,而且往往一个程序只能做某一种风格或者某一个场景.随着卷积神经网络(CNN)的日渐成熟,图像风格迁移技术也迎来了一次变革.该技术有非常广泛的应用,视频处理、拍照美颜、社交沟通等,是当前人工智能比较流行的技术之一.本文主要实现Gatys等人提出的基于卷积神经网络(CNN)的图像风格迁移,并在此基础上实现一个图像风格迁移web应用.
文献关键词：
卷积神经网络;图像风格迁移;损失函数
中图分类号：
作者姓名：
黄光辉;李锦朋;卓俊涛;陈雨鑫;黄贻望
作者机构：
铜仁学院大数据学院,铜仁 554300
文献出处：
引用格式：
[1]黄光辉;李锦朋;卓俊涛;陈雨鑫;黄贻望-.基于卷积神经网络图像风格迁移的设计与实现)[J].现代计算机,2022(08):104-108
A类：
Gatys
B类：
网络图像,图像风格迁移,慢慢,计算机视觉,人工智能领域,一幅,图像纹理,非参数方法,专有,固定方法,渲染,亮度,颜色信息,纹理信息,底层特征,一个程,迁移技术,视频处理,拍照,美颜,web,损失函数
AB值：
0.289421
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
