代价函数
对图片C(Content),欲将其转换为图片S(Style)的风格,对生成的图片G,定义其代价函数为:
J(G)=αJcontent(C,G)+βJstyle(S,G) J(G) = \alpha J_{content}(C, G) + \beta J_{style}(S, G) J(G)=αJcontent(C,G)+βJstyle(S,G)
由内容代价和风格代价两部分构成。其中:
- 内容代价: 设 a[l](C)a^{[l](C)}a[l](C) 和 a[l](G)a^{[l](G)}a[l](G) 分别表示图片 C 和图片 G 在第 lll 层的激活,第 lll 层的内容代价函数定义为:
Jcontent[l](C,G)=12∣∣a[l](C)−a[l](G)∣∣2 J_{content}^{[l]}(C,G)=\frac{1}{2}||a^{[l](C)}-a^{[l](G)}||^{2} Jcontent[l](C,G)=21∣∣a[l](C)−

本文介绍了图片风格转换的方法,通过定义包含内容代价和风格代价的综合代价函数J(G),利用深度学习中的VGG神经网络,对图片进行风格转换。在优化过程中,采用梯度下降策略最小化代价函数,从而生成具有目标风格的新图片。
最低0.47元/天 解锁文章
6万+

被折叠的 条评论
为什么被折叠?



