基于TensorFlow分布式与前景背景分离的实时图像风格化算法

发布时间：2018-08-06 19:56

【摘要】：进入二十一世纪,随着互联网的不断发展,文本信息逐渐被图像、视频等新一代视觉信息所代替。而如今大多数移动设备都具有较为良好的拍摄功能,因此人们对于多媒体信息处理的需求也越来越强烈。近期,随着一款名为Prisma的软件的风靡,图像风格化技术开始走入大众的视线。本文主要考虑Justin等人的实时图像风格化算法。该算法在测试阶段的效率非常高,并且能产生高质量的风格化图像。然而,其针对某一风格进行模型训练的耗时仍然较长,通常需要几个小时。此外,在数码印花打印应用中,该算法对纯色背景的图像风格化的效果也不尽如人意。本文的工作主要有以下两个方面:(1)将多个设备配置成一个可用的TensorFlow分布式集群,并添加新的启动参数用于动态地配置集群环境,将实时图像风格化算法架构在TensorFlow分布式集群上,通过并行地训练模型,大大地减少模型的训练时间。(2)对纯色背景的图像,先采用图像分割方法将图像的前景与背景进行分离,然后对图像的前景与背景分别执行风格化算法,最终合并得到符合生产要求的图像。实验结果表明,本文的方法的确提升了模型训练的速度,并能对纯色背景的图像产生符合生产要求的风格化图像。
[Abstract]:In the 21 century, with the continuous development of the Internet, text information is gradually replaced by the image, video and other new generation of visual information. Nowadays, most mobile devices have better shooting function, so the demand for multimedia information processing is more and more intense. Recently, with the popularity of a software called Prisma, image styling technology began to enter the public's attention. This paper focuses on the real-time image styling algorithm proposed by Justin et al. The algorithm is very efficient in the test phase and can produce high quality stylized images. However, it takes a long time to model a particular style and usually takes a few hours. In addition, in the application of digital printing, the effect of this algorithm on image styling of solid color background is not satisfactory. The main work of this paper is as follows: (1) configure multiple devices into a usable TensorFlow distributed cluster, add new startup parameters to dynamically configure the cluster environment, and frame the real-time image styling algorithm on the TensorFlow distributed cluster. By training the model in parallel, the training time of the model is greatly reduced. (2) for the image with solid color background, the image segmentation method is used to separate the foreground from the background, and then the stylized algorithm is implemented for the foreground and background of the image. The final merge results in images that meet production requirements. The experimental results show that the proposed method can improve the speed of model training and produce stylized images with solid color background.
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 张芊;电视频道风格化建设的未来空间[J];采.写.编;2004年04期

2 彭一凡;张翼;宋明黎;;基于特征跟踪和融合的人脸风格化动画的研究[J];计算机技术与发展;2009年02期

3 陈竹;;风格化主持刍议[J];湖南科技学院学报;2006年02期

4 张宁;;非真实感渲染生成风格化图像的方法[J];信息技术;2012年11期

5 周茜,胡珊;浅析电视频道的专业化与风格化[J];山东视听(山东省广播电视学校学报);2005年03期

6 蒋宝吉;唐棣;;基于三维模型的风格化线条渲染方法[J];计算机科学;2013年10期

7 李阳;李红平;徐丹;;多变量高斯差分的风格化方法[J];云南大学学报(自然科学版);2014年03期

8 黄华;臧_g;张磊;;图像和视频油画风格化研究[J];计算机科学;2011年06期

9 邹定宾;电视频道专业化过程中的风格化问题[J];电视研究;2001年08期

10 祝瑜;王毅;黄海燕;;手机界面的风格化设计艺术研究[J];艺术与设计(理论);2007年11期

相关会议论文 前6条

1 卢少平;张松海;;一种图像油画风格化绘制的新算法[A];第四届全国几何设计与计算学术会议论文集[C];2009年

2 肖亮;钱小燕;吴慧中;韦志辉;;流线形风格化图像生成算法[A];中国图学新进展2007——第一届中国图学大会暨第十届华东六省一市工程图学学术年会论文集[C];2007年

3 武炜;;流媒体实时图像传输方法[A];2004中国水电控制设备论文集[C];2004年

4 史世明;王岭雪;王霞;金伟其;赵源萌;;一种彩色夜视实时图像融合系统[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

5 李桂菊;;基于大面阵相机的实时图像压缩系统设计[A];第八届全国信息获取与处理学术会议论文集[C];2010年

6 陈东宁;李建华;焦彦平;;带宽限制条件下的实时图像传输策略研究[A];第十七届全国青年通信学术年会论文集[C];2012年

相关重要报纸文章 前5条

1 连冕;我们何需“风格化”？[N];中国文化报;2006年

2 卞文志;市场呼唤风格化名牌[N];厂长经理日报;2000年

3 卞文志;个性化市场呼唤风格化名牌[N];市场报;2000年

4 记者 朱志升 通讯员 张明山;沙雅推行风格化社会面服务管理工作[N];阿克苏日报(汉);2012年

5 陈履生;代表性与风格化[N];文艺报;2006年

相关博士学位论文 前4条

1 赵艳丹;风格化数字图像的GPU加速生成和编辑[D];浙江大学;2015年

2 孙美君;中国水墨画的设色扩散与风格化绘制研究[D];天津大学;2009年

3 栾青;色彩与结构在图像编辑和风格化中的应用[D];中国科学技术大学;2009年

4 刘更代;人体动画合成及其风格化处理研究[D];浙江大学;2009年

相关硕士学位论文 前10条

1 吴联坤;基于TensorFlow分布式与前景背景分离的实时图像风格化算法[D];浙江大学;2017年

2 郑海东;人脸风格化绘制评估方法[D];山东大学;2015年

3 杨玲丽;数字图像的风格化绘制[D];山东大学;2014年

4 高山晓;基于GPU的实时素描风格化渲染算法研究[D];福建师范大学;2016年

5 张晔嘉;三维模型风格化绘制技术研究[D];南京大学;2015年

6 操江峰;基于深度学习的图像与视频风格化研究与实现[D];中国科学院大学(中国科学院工程管理与信息技术学院);2017年

7 李园;二维图案的风格化衍生设计方法研究[D];山东师范大学;2017年

8 张小刚;风格化服装卖场系统的研究[D];江南大学;2008年

9 谢伟斌;基于稠密特征对应关系的视频风格化关键技术与系统[D];中山大学;2012年

10 肖书星;蛋白质三维结构的风格化绘制[D];浙江大学;2008年

，

本文编号：2168824