|
|
摘要：绘画艺术从文明的开始就一直伴随着人类。中国独有的人物、山水等艺术作品如《清明上河图》、《千里江山图》以其独特的特点闻名于世。而绘画图片从计算机科学的角度可以抽象为内容和风格的结合,但能够做出类似艺术图片的系统一直没有出现。自2012年Geoffrey E. Hinton 在ImageNet图像识别比赛中利用CNN一举夺冠后，CNN在目标识别和人脸识别上表示出惊人的能力。2015 年由 Gatys et al. 在两篇论文中提出基于神经网络的图像风格迁移，将CNN应用在图像风格迁移中。
本文研究图像风格迁移算法，对图像内容和图像风格进行重构，然后对输入图像后的卷积神经网络的卷积层进行一定的可视化。实验证明，该系统可以很好的实现风格的迁移。关键词：风格迁移；卷积神经网络；深度学习
目录：
1 绪 论 1
1.1 课题背景和意义 1
1.2风格迁移相关技术发展概况 2
1.2.1图像的风格迁移发展概况 2
1.2.2深度学习发展概况 3
1.2.3深度学习框架发展概况 6
1.3本文主要研究内容 8
1.4本文结构 9
2卷积神经网络的理论基础 10
2.1神经网络 10
2.1.1神经网络的基本结构 10
2.1.2前向传播 13
2.1.3梯度下降 13
2.1.4反向传播 14
2.2卷积神经网络 15
2.2.1卷积神经网络的基本结构 15
2.2.2典型的深度卷积神经网络 16
2.2.3卷积神经网络的反向传播 21
2.3卷积神经网络的优化 22
2.3.1正则化 22
2.3.2归一化输入 25
2.3.3 Mini-batch 梯度下降 26
2.3.4动量梯度下降 27
2.3.5 RMSprop 梯度下降 28
2.3.6 Adam算法 29
2.4本章小结 29
3 Tensorflow框架简介及数据预处理 31
3.1 Tensorflow框架简介 31
3.2 数据预处理 33
3.3 本章小结 34
4 基于卷积神经网络的风格学习 35
4.1迁移学习 35
4.2图片内容和风格的定义 35
4.3 代价函数 36
4.3.1内容代价函数 36
4.3.2 风格代价函数 37
4.4 VGG-19模型解析 38
4.5 利用Adam优化算法进行训练 38
4.6 实验环境及数据集 39
4.7本章小结 39
5 图像重构及卷积层可视化 40
5.1图像重构的预处理 40
5.2内容重构 42
5.3风格重构 45
5.4风格迁移 49
5.5 卷积层可视化 50
5.5.1 内容图像的卷积层可视化 50
5.5.2 风格图像的卷积层可视化 52
5.5.3 风格表达的可视化 53
5.6 本章小结 54
6 风格迁移实验结果分析 56
7 总结与展望 60
7.1 总结 60
7.2 展望 61
参考文献 62
致 谢 63
外文原文 64
中文翻译 77
论文字数：34695
包含资料：
截图：
百度网盘下载地址（金币充值）：
游客,本付费内容需要支付 200金币 才能浏览 支付
|
|
发表于 2018-12-20 09:42:07
收藏
发表于 2019-3-2 05:57:53
