基于拉普拉斯算子抑制伪影的神经风格迁移方法
作者机构：浙江工业大学计算机科学与技术学院杭州310023 大连测控技术研究所辽宁大连116013
基 金：国家自然科学基金(61672463) 浙江省自然科学基金(LY20F020025,LY18F020035)
出 版 物：《计算机科学》 (Computer Science)
年 卷 期：2020年第47卷第S02期
页 码：209-214页
摘 要：在图像神经风格迁移(Neural Style Transfer)技术中,大多算法都存在影响视觉效果的伪影:棋盘效应与影响原图语义内容的纹理。对此,提出一种基于拉普拉斯算子抑制伪影的图像风格迁移方法。首先,使用空洞卷积、1×1卷积重新设计了快速神经风格迁移的转换网络。然后,将变换后的结果输入VGG进行特征检测,并将原图也输入VGG进行特征检测,将这两种特征进行拉普拉斯算子滤波后计算两者的L1误差。约束图像变化,以抑制伪影。在最后的解码器阶段,使用了重新设计的网络结构,并增加了dropout的编码器来修改图像内容。在加深网络的同时,通过1×1卷积控制模型体积,将模型体积缩小了6%。实验表明了该方法抑制伪影的效果优于传统方法,其可以生成良好视觉效果的图像。
主 题 词：风格迁移 卷积神经网络 拉普拉斯算子 Gram矩阵 残差
学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类]
D O I：10.11896/jsjkx.200100090
馆 藏 号：203991865...
