• 信息通信领域高质量科技期刊分级目录入选期刊
  • 中国期刊全文数据库(CJFD) 全文收录期刊
  • 中国学术期刊综合评价数据库(CAJCED) 统计源期刊
  • 中国学术期刊数据库(COJ)万方数据数字化期刊群
  • 中文科技期刊数据库(维普资讯)

综述

基于深度学习的轻量化图像风格迁移方法研究

刘 瑛,徐亦丹

收稿日期:
2023-07-24
作者简介:

刘瑛(1982-),女,江西南昌人,本科,讲师,研究方向:软件工程。
 

摘要

摘要:

由于传统图像风格迁移方法在风格化过程中会造成图像显著区域扭曲,导致艺术视觉效果不佳,为此文章研究基于深度学习的轻量化图像风格迁移方法。在图像风格迁移中,利用平滑处理、特征提取操作预处理风格化图像。通过显著区域检测,保留原始风格化图像中的显著区域。引入注意力机制结合轻量化卷积网络 SqueezeNet,设计一个轻量化风格迁移模型。在 INIT 数据集上的定性与定量测试实验结果表明,文章设计迁移方法生成的风格化图像具有良好的视觉效果,验证了该方法的性能优越性。
 

关键词:
深度学习;轻量化;图像风格迁移;注意力机制;
中图分类号:
TP391
文献标识码:
A
文章编号:
2096-9759(2023)06-0093-04
引用本文
使用本文