项目实训(十八)A Neural Algorithm of Artistic Style 阅读一

本文介绍了A Neural Algorithm of Artistic Style论文,该研究发现内容与风格在神经网络中可分离,并使用VGG19进行风格转换。通过Content ReConstruction和Style Reconstruction约束,调整α与β权重实现内容与风格的平衡。损失函数的运用允许通过反向传播优化图像,以匹配内容和风格图像。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、文章二三

       A Neural Algorithm of Artistic Style,论文地址:https://arxiv.org/pdf/1508.06576v2.pdf,发表于CVPR2016。在一开始阅读的时候,觉得想法真的很好,一般都是开山难啊,不然也不会有后续一系列这方面的研究,以及与GAN相关的风格转换工作了。虽然arxiv上的版本扯了半天的可以此项工作可以提供人类是怎样创作和认识艺术图像的算法理解等等等等,但是我觉得神经网络毕竟不能替代真正的大脑。这项风格转换工作虽然意义很大,但是还是不能与人类大脑相媲美的。

 

二、文章内容

首先来看一下这篇文章整体上的工作:

通过一张style image和content image图片得到相应风格的图片。

首先必须要提出的,作者在原文中的一句话:

意思是,此项工作的最关键的发现是发现,内容和风格的表达在神经网络中可以分开的。那么分开的基础是什么呢?文章借用了VGG19的网络结构,具有16个卷积层和五个池化层(使用average pooling 代替 max pooling)。

VGG-19结构图如下:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值