概述
在藝術領域，藝術家可以通過風格和內容的相互交融來創(chuàng)作不同的畫作，現(xiàn)階段，在深度神經(jīng)網(wǎng)絡的幫助下，計算機可以輕易的識別畫作中的物體或者內容。但是，風格是一個比較抽樣的概念，計算機其實無法像人類那樣識別一個畫作或者藝術家的風格。這篇文章主要介紹深度神經(jīng)網(wǎng)絡將畫作中的風格和內容本身進行分離，并將風格做遷移，應用到另一個圖片內容之中，最終達到一個風格遷移的工作。其實這很像Photoshop中的濾鏡，然而濾鏡畢竟是人為設定好的一系列動作處理集合，只能針對特定風格的圖片，對于不同特征的圖片，需要選擇不同的濾鏡，因此是比較機械和人工的。
卷積神經(jīng)網(wǎng)絡在圖像識別領域應用廣泛，并且實踐證明有很好的效果。它通過一個多層的網(wǎng)絡結構來對圖像進行特征表達，如果我們把輸入圖像稱之為網(wǎng)絡的底層，則隨著網(wǎng)絡層次的加深，高層的網(wǎng)絡關注圖片的高級特征，例如圖像的內容或者物體的排列，而底層的信息則重點關注圖像像素級別的特征。為了將圖像的風格和內容分離并進行遷移，我們需要做兩部分工作：
- 圖像內容的重建
- 風格的重建
同時在合成是要同時考慮內容重建造成的loss和風格重建造成的loss。
內容重建
內容重建和風格重建都使用了VGG網(wǎng)絡，VGG-16的網(wǎng)絡結構圖參見下圖，詳情圖來自于這里.
圖1 VGG網(wǎng)絡結構圖
對于內容重建來說，只使用了前5層的網(wǎng)絡‘conv1 1’ (a), ‘conv2 1’ (b), ‘conv3 1’ (c), ‘conv4 1’ (d) and ‘conv5 1’ (e)，即圖2中的a、b、c、d、e。VGG 網(wǎng)絡主要用來做內容識別，在實踐中作者發(fā)現(xiàn)，使用前三層a、b、c已經(jīng)能夠達到比較好的內容重建工作，d、e兩層保留了一些比較高層的特征，丟失了一些細節(jié)。
延伸閱讀
- ssh框架 2016-09-30
- 阿里移動安全 [無線安全]玩轉無線電——不安全的藍牙鎖 2017-07-26
- 消息隊列NetMQ 原理分析4-Socket、Session、Option和Pipe 2024-03-26
- Selective Search for Object Recognition 論文筆記【圖片目標分割】 2017-07-26
- 詞向量-LRWE模型-更好地識別反義詞同義詞 2017-07-26
- 從棧不平衡問題 理解 calling convention 2017-07-26
- php imagemagick 處理 圖片剪切、壓縮、合并、插入文本、背景色透明 2017-07-26
- Swift實現(xiàn)JSON轉Model - HandyJSON使用講解 2017-07-26
- 阿里移動安全 Android端惡意鎖屏勒索應用分析 2017-07-26
- 集合結合數(shù)據(jù)結構來看看(二) 2017-07-26
學習是年輕人改變自己的最好方式