基于改进CycleGAN的图像风格迁移

• 作者: 宋国美 李晓丽 杜振龙 沈海洋
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 图像风格迁移 循环一致性对抗网络 密集连接卷积网络 深度残差网络
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 信息科学
• 页码范围: 1836-1844
• 页数: 9页
• 分类号: TP391.4
• 字数: 3714字
• 语种: 中文
• DOI: 10.3788/OPE.20192708.1836

摘要

图像风格迁移是用风格图像对指定图像的内容进行重映射,利用GAN自动进行图像风格迁移,可减少工作量,且结果丰富.特定情况下GAN方法所用的配对数据集很难获得.为了避免利用传统GAN进行图像风格迁移受到成对数据集的限制,提高风格迁移效率,本文利用改进的循环一致性对抗网络CycleGAN实现图像风格迁移,用密集连接卷积网络DenseNet代替原来网络生成器的深度残差网络ResNet,用同一映射损失和感知损失组成的损失函数度量风格迁移损失.所做改进使网络性能得到了提升,取消了网络对成对样本的限制,提高了风格迁移生成图像的质量.同时进一步提高了稳定性,加快了网络收敛速度.论文所提方法对建筑图像进行了风格迁移,实验结果表明,生成图像的PSNR值平均提高了6.27％,SSIM值均提高了约10％.因此,本文提出的改进的CycleGAN图像风格迁移方法生成的风格图像效果更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜振龙	南京工业大学计算机科学与技术学院	31	122	7.0	10.0
2	李晓丽	南京工业大学计算机科学与技术学院	25	108	7.0	9.0
3	沈海洋	南京工业大学计算机科学与技术学院	3	5	1.0	2.0
4	宋国美	南京工业大学计算机科学与技术学院	2	5	1.0	2.0