基于Gram矩阵和卷积神经网络的风格迁移算法

• 作者: 余志凡 李昊 李登实 胡曦
• 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
• 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

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.

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