深度学习中的图像多风格迁移算法

• 作者: 李超 石剑平 姜麟
• 来源期刊: 软件导刊
• 关键词: 深度学习 卷积神经网络 风格迁移 色彩溢出 多风格融合
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 图形图像处理
• 页码范围: 171-176
• 页数: 6页
• 分类号: TP312
• 语种: 中文
• DOI: 10.11907/rjdk.202598

摘要

绘画风格的多样性为构建艺术形象提供了丰富的视觉信息.为解决风格迁移的色彩单一性和色彩溢出问题,提出一种基于深度学习的图像多风格融合算法.该算法利用预训练的VGG19Net提取网络各层特征,将内容图与多个风格图进行分离重组,构建了新的风格损失函数,并将多个风格特点融合,得到新的艺术风格图片.实验结果表明,多风格融合的新图片中包含多种单风格信息,使转换后的新图片拥有更丰富的视觉信息.基于深度学习的图像多风格融合算法构建了更加丰富的视觉信息,为新的艺术创作提供了参考.