基于CycleGAN的图像风格迁移

• 作者: 卢涵宇 张涛 马赫
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: CycleGAN 图像风格迁移 转换器 ResNet模块 深度学习
• 年，卷（期）: 2020,（27）
• 页码范围: 18-20
• 页数: 3页
• 分类号: TP183

摘要

随着深度学习的不断发展与应用,图像到图像的风格迁移成了计算机视觉领域的研究热点之一。该文运用Cycle⁃GAN网络对图像进行风格迁移,能够在无匹配的源图像和风格图像的情况下进行。使得CycleGAN网络中的生成器由编码器、转换器及解码器组成,能起到保留原始图像特征和转换图像数据的作用。该文尝试通过Inception与ResNet进行结合,并与原CycleGAN网络进行对比训练,结果表明,修改后的CycleGAN能够比CycleGAN训练后得到更加逼真的图像,具有更佳的视觉效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢涵宇	贵州大学大数据与信息工程学院	75	190	7.0	10.0
2	张涛		6	0	0.0	0.0
3	马赫	山东科技大学测绘科学与工程学院	3	4	1.0	2.0