低算力深度学习下的图像卡通风格化研究

作     者：徐鹏飞 周腾骅 武仲科 申佳丽 王醒策 XU Pengfei;ZHOU Tenghua;WU Zhongke;SHEN Jiali;WANG Xingce

作者机构：北京师范大学人工智能学院文化遗产数字化保护与虚拟现实北京市重点实验室虚拟现实应用教育部工程研究中心北京100875 

基　　金：国家重点研发计划资助项目(2020YFC1523302,2017YFB1002604,2017YFB1402105) 国家重点研发金砖国家合作资助项目(2017YFE0100500) 国家自然科学基金资助项目(61972041,62072045) 

出 版 物：《北京师范大学学报（自然科学版）》 (Journal of Beijing Normal University(Natural Science))

年 卷 期：2021年第57卷第6期

页      码：888-895页

摘      要：在深入研究图像风格迁移的基础上,提出了一种适用于图形处理器性能受限情况下,卡通(cartoon)图像风格迁移训练的生成式对抗网络(generative adversarial networks,GAN).利用视觉几何组(visual geometry group,VGG)网络提取图片先验信息,实现学习过程的加速;裁剪cartoonGAN模型,在保证效果的基础上,使得低性能计算条件下的网络收敛成为可能;设计合理的损失函数,保证整体风格化效果.基于tensorflow 2.0构建试验平台,通过对试验结果分析可发现,该方法的迁移效果好,稳定性强,且收敛时间短.对算法的参数和初始化方法给出了相关讨论,并提出了进一步的解决方案.

主 题 词：风格迁移 深度学习 生成式对抗网络 卡通风格化 

学科分类：08[工学] 081101[081101] 0811[工学-水利类] 081102[081102] 

核心收录：

D　O　I：10.12202/j.0476-0301.2021204

馆 藏 号：203106996...