圖片風格轉(zhuǎn)換算法簡單介紹
圖片風格轉(zhuǎn)換最早進入人們的視野，估計就是Prisma這款來自俄羅斯的網(wǎng)紅App。他利用神經(jīng)網(wǎng)絡(luò)（多層卷積神經(jīng)網(wǎng)絡(luò)）將圖片轉(zhuǎn)換成為特定風格藝術(shù)照片。利用圖片風格轉(zhuǎn)換算法，我們可以將一個圖片放入以及訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進行預(yù)測結(jié)果得到風格迥異，獨具特色的圖片。隨著iOS11蘋果推出了CoreML，我們可以很輕松將訓(xùn)練好的這些風格轉(zhuǎn)換模型轉(zhuǎn)換成為蘋果的CoreML Model，并使用這個模型來進行圖片風格轉(zhuǎn)換。
圖片風格轉(zhuǎn)換 @Prisma
2. 圖片風格轉(zhuǎn)換算法介紹
2015年，德國科學(xué)家 Gatys等人發(fā)表一篇名為《A Neural Algorithm of Artistic Style》的論文，打開了神經(jīng)網(wǎng)絡(luò)在圖像藝術(shù)創(chuàng)作的大門。作者利用VGG16模型對一張原圖（Content Image）和一張風格圖（Style Image）分別進行圖像特征提取。通過利用對兩種特征構(gòu)造損失函數(shù)，對一張初始化圖片進行損失值計算并反饋重繪圖像得到生成圖（Generated Image）。但是這個算法每一次生成一張圖片都需要進行一次網(wǎng)絡(luò)訓(xùn)練，需要耗費的時間比較長。斯坦福大學(xué)的Johnson［6］等人提出了快速風格轉(zhuǎn)移算法，訓(xùn)練一個網(wǎng)絡(luò)，對于任意一張圖片都可以轉(zhuǎn)換成為網(wǎng)絡(luò)對應(yīng)的風格?？焖俎D(zhuǎn)移算法包含兩個網(wǎng)絡(luò)。一個為圖片轉(zhuǎn)換網(wǎng)絡(luò)（Image Transform Network），一個為損失網(wǎng)絡(luò)（Loss Network）。在訓(xùn)練階段利用大量圖片用兩個網(wǎng)絡(luò)進行訓(xùn)練得到模型，在輸出階段套用模型將結(jié)果進行輸出得到生成圖。他們得出的網(wǎng)絡(luò)相對Gatys的模型得到生成圖的速度快上三個數(shù)量級。我們在iPhone上進行圖片風格轉(zhuǎn)換的時候可以使用Johnson的方法快速的生成風格圖片，當然使用Gatys的方式也是可以的，但是在生成圖片的時候會消耗更多的時候。
非常好我支持^.^
(0) 0%
不好我反對
(1) 100%
下載地址
圖片風格轉(zhuǎn)換算法簡單介紹下載
相關(guān)電子資料下載
- iOS17.1可能明天發(fā)布，iOS17.1主要修復(fù)哪些問題？ 376
- 華為全新鴻蒙蓄勢待發(fā) 僅支持鴻蒙內(nèi)核和鴻蒙系統(tǒng)應(yīng)用 719
- 蘋果手機系統(tǒng)iOS 17遭用戶質(zhì)疑 731
- iPhone12輻射超標？蘋果推送iOS 17.1解決此事 750
- 傳華為囤積零部件 目標明年智能手機出貨7000萬部；消息稱 MiOS 僅限國內(nèi)，小米 28208
- 蘋果推送iOS17.0.3，解決iPhone15Pro系列存在機身過熱 216
- Testin云測兼容和真機服務(wù)平臺中上線iPhone 15系列手機 208
- 利爾達推出搭載HooRiiOS的Matter模組 145
- 運放參數(shù)解析：輸入偏置電流(Ibias)和失調(diào)電流(Ios) 128
- 昆侖太科發(fā)布支持國產(chǎn)飛騰騰銳D2000芯片的開源BIOS固件版本 448