基于拉普拉斯算子抑制伪影的神经风格迁移方法

• 全文链接
• 请求原文

作   者：

张美玉;  刘跃辉;  秦绪佳;  吴良武; 

作者机构：

浙江工业大学计算机科学与技术学院;  大连测控技术研究所; 

关键词：

卷积神经网络;  风格迁移;  Gram矩阵;  残差;  拉普拉斯算子; 

期刊名称：

计算机科学

i s s n：

1002-137X

年卷期：

2020 年 47 卷 0z2 期

页   码：

209-214

摘   要：

在图像神经风格迁移(Neural Style Transfer)技术中,大多算法都存在影响视觉效果的伪影:棋盘效应与影响原图语义内容的纹理.对此,提出一种基于拉普拉斯算子抑制伪影的图像风格迁移方法.首先,使用空洞卷积、1×1卷积重新设计了快速神经风格迁移的转换网络.然后,将变换后的结果输入VGG进行特征检测,并将原图也输入VGG进行特征检测,将这两种特征进行拉普拉斯算子滤波后计算两者的L1误差.约束图像变化,以抑制伪影.在最后的解码器阶段,使用了重新设计的网络结构,并增加了dropout的编码器来修改图像内容.在加深网络的同时,通过1×1卷积控制模型体积,将模型体积缩小了6%.实验表明了该方法抑制伪影的效果优于传统方法,其可以生成良好视觉效果的图像.