神经网络风格迁移

原理

结构示意图：

总损失=内容损失+风格损失

将图a的style loss 和 图p的content loss 组合起来，最小化total loss function求得x
$$L_{total}(\overrightarrow{\mathrm{p}},\overrightarrow{a},\overrightarrow{x})=\alpha L_{content}(\overrightarrow{p},\overrightarrow{x})+\beta L_{style}(\overrightarrow{a},\overrightarrow{x})$$
其中， α, β对应两个loss的权重，调节它们会得到不同的效果。

内容损失函数：
Lcontent采用平方损失函数，为每个像素的损失和
L c o n t e n t ( p →    , x →    , l ) = 1 2 ∑ i j ( F i j l − P i j l ) 2 {L_{content}}(\overrightarrow {\rm{p}} \;,\overrightarrow x \;,l) = \frac{1}{2}\sum\limits_{ij} {(F_{ij}^l - P_{ij}^l)2} Lcontent​(p ​,x ,l)=2<