公开(公告)号：CN117726502A

公开(公告)日：2024-03-19

申请号：CN202311762645.4

申请日：2023-12-20

Applicant: 贵州大学

Inventor： 袁庆霓 ,  徐梁耀 ,  吕健 ,  曲鹏举 ,  汪伦杰 ,  伍涛 ,  杜飞龙 ,  吴杨东 ,  蓝伟文

IPC: G06T3/04 ,  G06N3/0464

Abstract: 本发明的一种图像神经风格迁移方法，该方法包括以下步骤:步骤1、图像数据输入：输入要优化的目标图像、内容图像、风格图像、内容掩码图像、风格掩码图像，并将所有图像进行张量形状的统一；步骤2、模型构建：通过卷积神经网络VGG19网络进行特征提取模型构建，然后使用所述的特征提取模型进行特征图的提取，并根据获取的特征图进行内容损失、风格损失、拉普拉斯损失的计算；步骤3，图像数据更新：将所有的损失进行合并计算，获得一个总的损失，然后通过优化器对损失进行求导与更新，从而对风格迁移图像进行像素更新，并得到最终的风格迁移图像。本发明能结合全局和局部优化方式，有效避免全局或局部单一优化方式的局限性的优点。

公开(公告)号：CN118628336A

公开(公告)日：2024-09-10

申请号：CN202410724506.0

申请日：2024-06-05

Applicant: 贵州大学

Inventor： 袁庆霓 ,  徐梁耀 ,  曲鹏举 ,  吕健 ,  吴兴杰 ,  汪伦杰 ,  杜飞龙 ,  吴杨东 ,  蓝伟文

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

Abstract: 本发明的一种基于残差网络的图像风格迁移方法，首先分别建立蜡染内容图像数据集，刺绣风格图像数据集；输入要优化的内容图像、风格图像；编码器使用卷积神经网络VGG19进行构建，采用高宽缩减4倍的方式进行特征提取，对内容图像特征图、风格图像特征图进行特征融合计算，使用多尺度变换MST一致的融合方式；利用特征融合之后的特征图输入解码器进行图像重建生成；进行损失函数定义，根据由内容损失、风格损失、拉普拉斯损失合并计算获得的总的损失，通过优化器对损失进行求导与更新，从而对解码器的参数更新，并利用网络前向推理，获取相应的最终风格迁移图像。本发明能在快速的图像风格迁移中，获取良好图像质量的特点。