深度学习——样式迁移（笔记）

样式迁移：计算机视觉应用之一

1.将样式图片中的样式（比如油画风格）迁移到内容图片上，得到合成的图片

 

 

2.基于CNN的样式迁移

①初始化合成图像，将其初始化内容图像。合成图像是风格迁移过程中唯一需要更新的变量X，即是风格迁移所需迭代的模型参数。

②用一个预训练的卷积神经网络抽取图像的特征

③卷积神经网络多个层逐级抽取图像特征，可以选择某些层的输出作为内容特征或者风格特征

④选择的神经网络含有3个卷积层，第2层输出内容特征，第1，3层是风格特征。

 

风格迁移常用的损失函数由3部分组成：

1. 内容损失使合成图像与内容图像在内容特征上接近；
2. 风格损失使合成图像与风格图像在风格特征上接近；
3. 全变分损失则有助于减少合成图像中的噪点。

当模型训练结束时，我们输出风格迁移的模型参数，即得到最终的合成图像。