基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着机器学习到深度学习的拓展,基于深度学习的多种网络模式和学习框架使得深度学习可以有更多更加复杂的研究方向。其中生成对抗网络(GAN)是Ian J.Goodfellow等人于2014年提出的一个通过对抗过程估计生成模型的新框架,被广泛应用于图片风格转移,超分辨率,图像补全,去噪等领域。本研究意在将生成对抗网络的服装风格转移作为技术基础,引入到服装文化的传承保护和发扬的具体应用中,将服装风格转换的时效性、多样性,契合深度学习来更好的为人们服务。为此本研究融合图像分割和图像风格迁移两个研究领域的内容,将原始输入的图像根据设定进行分割,然后基于分割结果进行相应的全局或局部风格迁移。
推荐文章
基于生成对抗网络的照片动漫风格化
图像风格化
生成对抗网络
AnimeGAN
VGG模型
Pytorch
Tensorflow
基于循环生成对抗网络的图像风格迁移
图像风格迁移
循环生成对抗网络
局部二值模式
TotalVariationLoss
基于生成式对抗网络的中文字体风格迁移
风格迁移
生成式对抗网络
卷积神经网络
残差网络
深度学习
基于条件梯度Wasserstein生成对抗网络的图像识别
生成式对抗网络
条件模型
Wesserstein距离
梯度惩罚
全局和局部一致性
图像识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于生成对抗网络的服装图像风格迁移
来源期刊 电脑知识与技术:学术版 学科 教育
关键词 深度学习 生成对抗网络 图像风格迁移 图像识别分割
年,卷(期) 2019,(9Z) 所属期刊栏目
研究方向 页码范围 191-193
页数 3页 分类号 G434
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 向宇 云南师范大学信息学院 4 8 1.0 2.0
2 管绍春 云南师范大学信息学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
生成对抗网络
图像风格迁移
图像识别分割
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
电脑知识与技术:学术版2019年第9Z期 电脑知识与技术:学术版2019年第9X期 电脑知识与技术:学术版2019年第9期 电脑知识与技术:学术版2019年第8Z期 电脑知识与技术:学术版2019年第8X期 电脑知识与技术:学术版2019年第8期 电脑知识与技术:学术版2019年第7Z期 电脑知识与技术:学术版2019年第7X期 电脑知识与技术:学术版2019年第7期 电脑知识与技术:学术版2019年第6Z期 电脑知识与技术:学术版2019年第6X期 电脑知识与技术:学术版2019年第6期 电脑知识与技术:学术版2019年第5Z期 电脑知识与技术:学术版2019年第5X期 电脑知识与技术:学术版2019年第5期 电脑知识与技术:学术版2019年第4Z期 电脑知识与技术:学术版2019年第4X期 电脑知识与技术:学术版2019年第4期 电脑知识与技术:学术版2019年第3Z期 电脑知识与技术:学术版2019年第3X期 电脑知识与技术:学术版2019年第3期 电脑知识与技术:学术版2019年第2Z期 电脑知识与技术:学术版2019年第2X期 电脑知识与技术:学术版2019年第2期 电脑知识与技术:学术版2019年第1Z期 电脑知识与技术:学术版2019年第1X期 电脑知识与技术:学术版2019年第12Z期 电脑知识与技术:学术版2019年第12X期 电脑知识与技术:学术版2019年第12期 电脑知识与技术:学术版2019年第11Z期 电脑知识与技术:学术版2019年第11X期 电脑知识与技术:学术版2019年第11期 电脑知识与技术:学术版2019年第10Z期 电脑知识与技术:学术版2019年第10X期 电脑知识与技术:学术版2019年第10期 电脑知识与技术:学术版2019年第1期
论文1v1指导