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:
针对图像风格迁移中出现的图像扭曲、内容细节丢失的问题,提出一种基于深度卷积神经网络的带有语义分割的图像风格迁移算法.定义内容图像损失和风格图像损失函数;对内容图像与风格图像分别进行语义分割,并将Matting算法作用在内容图像上,使用最小二乘惩罚函数来增强图片边缘真实性;进行图像的内容重建和风格重建生成新的图像.分析比较Neural Style改进方法、CNNMRF方法和带有语义分割的图像风格迁移方法生成的图像.实验结果和质量评估表明,70%带有语义分割的图像风格迁移方法生成的图像没有明显的图像扭曲,且内容细节完好.所以,该方法可以解决图像扭曲和细节丢失的问题,使内容丰富的图像可以得到精确的风格迁移.
推荐文章
基于Gram矩阵和卷积神经网络的风格迁移算法
图像风格迁移
卷积神经网络
Gram矩阵
扩张卷积
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
基于深度卷积神经网络的图像检索算法研究
图像检索
卷积神经网络
特征提取
深度学习
基于深度卷积神经网络的快速图像分类算法
深度卷积神经网络
CUDA-cuDNN方法
批量正则化
图像分类
深度学习
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 深度卷积神经网络下的图像风格迁移算法
来源期刊 计算机工程与应用 学科 工学
关键词 深度卷积神经网络 图像风格迁移 语义分割 Matting算法
年,卷(期) 2020,(2) 所属期刊栏目 图形图像处理
研究方向 页码范围 176-183
页数 8页 分类号 TP301.6
字数 6765字 语种 中文
DOI 10.3778/j.issn.1002-8331.1907-0060
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 李慧 武汉大学印刷与包装系 62 360 11.0 18.0
2 万晓霞 武汉大学印刷与包装系 76 386 11.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (2)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(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
深度卷积神经网络
图像风格迁移
语义分割
Matting算法
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导