10.16208/j.issn1000-7024.2019.12.031
应用卷积神经网络的纹理合成优化方法
针对传统纹理合成方法特征提取困难以及合成周期较长的问题,提出一种基于卷积神经网络的纹理合成优化方法.通过优化VGGNet卷积神经网络的结构,并提出增加批量归一化BN层的方法,来提高网络训练速度和减少参数过拟合现象;通过计算每层得到的纹理图像特征响应的克莱姆矩阵,构建克莱姆矩阵集合来表达纹理特征;由梯度下降算法计算梯度,通过L-BFGS优化算法最小化损失函数,合成纹理图像.实验结果表明,该方法可以有效提高模型训练速度,减少参数过拟合现象,合成高质量的图像.
纹理合成、卷积神经网络、克莱姆矩阵、纹理特征、特征提取
40
TP393(计算技术、计算机技术)
国家自然科学基金面上基金项目61371114;毫米波国家重点实验室开放课题基金项目k201714
2020-01-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
3551-3556