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:
如何获得更好的图像风格迁移效果一直是图像处理领域中经典问题之一.针对传统方法存在表现欠佳并具有较强局限性的问题,讨论了卷积神经网络(convolutional neural network,CNN)不同层提取图像特征的特点,提出了一种基于Gram矩阵和CNN的图像风格迁移算法,并设计了多种艺术风格的迁移实验,最后通过实验验证所提出的算法可比传统算法在更短的时间更好地实现艺术图像的风格迁移,说明该算法在图像特征提取及图像风格迁移任务上更具优势.
推荐文章
深度卷积神经网络下的图像风格迁移算法
深度卷积神经网络
图像风格迁移
语义分割
Matting算法
一种VGGNet的图像风格迁移算法设计与实现
图像风格迁移
Keras
VGGNet
深度学习
基于卷积神经网络的刺绣风格数字合成
刺绣
卷积神经网络
图像语义分割
掩模
风格迁移
基于卷积神经网络迁移学习的SAR图像目标分类
迁移学习
卷积神经网络
超限学习机
合成孔径雷达图像
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Gram矩阵和卷积神经网络的风格迁移算法
来源期刊 江汉大学学报(自然科学版) 学科 工学
关键词 图像风格迁移 卷积神经网络 Gram矩阵 扩张卷积
年,卷(期) 2020,(3) 所属期刊栏目 计算机科学
研究方向 页码范围 62-68
页数 7页 分类号 TP301
字数 2604字 语种 中文
DOI 10.16389/j.cnki.cn42-1737/n.2020.03.010
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 李登实 江汉大学数学与计算机科学学院 5 9 2.0 3.0
2 胡曦 江汉大学数学与计算机科学学院 3 0 0.0 0.0
3 李昊 江汉大学数学与计算机科学学院 2 0 0.0 0.0
4 余志凡 江汉大学数学与计算机科学学院 1 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  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1948(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
图像风格迁移
卷积神经网络
Gram矩阵
扩张卷积
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
江汉大学学报(自然科学版)
双月刊
1673-0143
42-1737/N
大16开
武汉经济技术开发区江汉大学期刊社
1973
chi
出版文献量(篇)
2387
总下载数(次)
5
总被引数(次)
7420
论文1v1指导