基于生成对抗网络的服装图像风格迁移
随着机器学习到深度学习的拓展,基于深度学习的多种网络模式和学习框架使得深度学习可以有更多更加复杂的研究方向.其中生成对抗网络(GAN)是Ian J.Goodfellow等人于2014年提出的一个通过对抗过程估计生成模型的新框架,被广泛应用于图片风格转移,超分辨率,图像补全,去噪等领域.本研究意在将生成对抗网络的服装风格转移作为技术基础,引入到服装文化的传承保护和发扬的具体应用中,将服装风格转换的时效性、多样性,契合深度学习来更好的为人们服务.为此本研究融合图像分割和图像风格迁移两个研究领域的内容,将原始输入的图像根据设定进行分割,然后基于分割结果进行相应的全局或局部风格迁移.
深度学习、生成对抗网络、图像风格迁移、图像识别分割
15
G434(电化教育)
2019-10-29（万方平台首次上网日期，不代表论文的发表时间）
共3页
191-193
