基于CycleGAN的图像风格迁移

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.

关键词：CycleGAN、图像风格迁移、转换器、ResNet模块、深度学习

所属期刊栏目：16

分类号：TP183(自动化基础理论)

资助基金：贵州省人才平台资助项目黔科合[2017]5305;5788

在线出版日期：2020-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：18-20