一种基于深度学习的图像风格迁移方法及系统
公开
摘要
本发明公开一种基于深度学习的图像风格迁移方法及系统。本发明将利用AdaINRAST网络作为基本风格迁移网络，在此基础上改进为轻量级的编码器解码器网络，大大减少模型参数量从而提升迁移速度，减少信息损耗以保持图像的内容结构信息。采用渐进式应用AdaIN层的策略，在编码器中经过多个relu层后，将内容特征和风格特征的均值与标准差对齐以实现风格化，使风格渲染更精细充分。同时在解码器中添加注意力机制，使模型关注有效的通道和空间区域来重建图像，使显著性区域的语义信息得到更好保持。并且采用改进型损失函数，完善解码器重建图像的能力。使用所述方法有效提高了任意风格迁移模型的运行速度以及迁移质量。
基本信息
专利标题 ：
一种基于深度学习的图像风格迁移方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114581341A
申请号 ：
CN202210313904.4
公开（公告）日 ：
2022-06-03
申请日 ：
2022-03-28
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李秀梅朱晴孙军梅
申请人 ：
杭州师范大学
申请人地址 ：
浙江省杭州市余杭区余杭塘路2318号
代理机构 ：
杭州君度专利代理事务所(特殊普通合伙)
代理人 ：
朱亚冠
优先权 ：
CN202210313904.4
主分类号 ：
G06T5/00
IPC分类号 ：
G06T5/00 G06N3/08 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T5/00
图像的增强或复原
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
