公开(公告)号：CN116563653A

公开(公告)日：2023-08-08

申请号：CN202310384889.7

申请日：2023-04-12

Applicant: 成都信息工程大学

Inventor： 胡靖 ,  冯成明 ,  张红湖 ,  吴锡

IPC: G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于深度强化学习的图像风格逐步迁移方法，该方法将一步风格迁移的过程拆分为逐步风格迁移的过程，将准备好的内容图片和风格图片放入到环境中，环境的初始状态设置为内容图片，风格图片用于计算反馈奖励，环境中计算反馈奖励的网络使用预训练的VGG模型，反馈奖励是状态和风格图片经过VGG模型提取得到的多层特征图的格拉姆矩阵距离的相反数。使用深度强化学习控制风格化程度的增加，在风格迁移的早期步骤中保留内容图像的更多细节和结构，并在后续步骤中合成更多风格模式，并且，本发明采用的模型是轻量级的，参数少，计算复杂度低，并且是一种用户易于控制风格化程度的风格迁移方法，避免了繁琐的手动设置超参数调整风格化程度。

公开(公告)号：CN118761902B

公开(公告)日：2024-11-08

申请号：CN202411247402.1

申请日：2024-09-06

Applicant: 成都信息工程大学

Inventor： 胡靖 ,  张红湖 ,  冯成明

IPC: G06T3/04 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/092 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/048

Abstract: 本发明提供一种基于深度强化学习的任意图片风格迁移的方法及系统，涉及图片处理领域，其中，该方法包括：建立深度强化学习模型，其中，深度强化学习模型至少包括演员网络、评论家网络和执行者网络；建立训练集；通过训练集及总损失函数对深度强化学习模型进行训练，其中，总损失函数至少包括内容损失函数、风格损失函数及多级风格化对比损失函数；获取待迁移的内容图片和待迁移的内容图片对应的风格图片；通过训练后的深度强化学习模型，基于待迁移的内容图片和待迁移的内容图片对应的风格图片，生成待迁移的内容图片对应的风格迁移后的图片，具有提高任意图片风格迁移的效率的优点。

公开(公告)号：CN118761902A

公开(公告)日：2024-10-11

申请号：CN202411247402.1

申请日：2024-09-06

Applicant: 成都信息工程大学

Inventor： 胡靖 ,  张红湖 ,  冯成明

IPC: G06T3/04 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/092 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/048

Abstract: 本发明提供一种基于深度强化学习的任意图片风格迁移的方法及系统，涉及图片处理领域，其中，该方法包括：建立深度强化学习模型，其中，深度强化学习模型至少包括演员网络、评论家网络和执行者网络；建立训练集；通过训练集及总损失函数对深度强化学习模型进行训练，其中，总损失函数至少包括内容损失函数、风格损失函数及多级风格化对比损失函数；获取待迁移的内容图片和待迁移的内容图片对应的风格图片；通过训练后的深度强化学习模型，基于待迁移的内容图片和待迁移的内容图片对应的风格图片，生成待迁移的内容图片对应的风格迁移后的图片，具有提高任意图片风格迁移的效率的优点。