基于卷积神经网络的实时图像风格转移研究与Web应用

发布时间：2021-06-26 16:21

　　随着机器学习和深度学习技术的进一步成熟,对于相关技术的研究与实际应用显得越来越重要。不论是PC端、移动设备端或者是嵌入式端,将已经成熟的技术进行实践与应用才是科技发展的最终目的。Web应用基于B/S的模式,由于其便捷性和跨平台性,在全球的应用市场占据了50%以上的份额。由于图像风格转移技术在实际应用中,建立深度卷积神经网络需要大量数据集进行学习训练,计算量庞大,难以进行实时图像风格转移,因此开展实时图像风格转移及其应用技术的研究具有重大的研究意义和市场应用价值本文深入研究了传统非卷积神经网络图像风格转移的不足,分析了采用传统卷积神经网络进行图像风格转移的可改进之处,发现了采用深度学习中的卷积网络结构能够将用户输入图像的内容和风格信息特征有效的分割。通过迁移学习的思想,完成对图像中间内容和风格图像的信息特征提取。在Django框架和TensorFlow平台结合的基础上,建立了一个Web原型系统,对基于卷积神经网络的实时图像风格转移技术进行了实现与验证。本文的主要工作如下:（1）本文针对传统的图像风格转移方法存在图像生成时间慢、风格转移效果有待提升、风格转移的图像风格种类单一等问题,提出了... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

Django系统架构图

Django请求回应的工作机制Django框架的中间件以插件的形式存在整个框架之中

Django中间件系统定位

【参考文献】：
期刊论文
[1]基于卷积神经网络的深度图像超分辨率重建方法[J]. 李伟,张旭东.  电子测量与仪器学报. 2017(12)
[2]图像艺术风格化的研究现状[J]. 邓盈盈,唐帆,董未名.  南京信息工程大学学报(自然科学版). 2017(06)
[3]基于卷积神经网络的中国水墨画风格提取[J]. 王晨琛,王业琳,葛中芹,储开岳,蔡晶,金建华,陈颖,葛云.  图学学报. 2017(05)
[4]基于CNN和随机弹性形变的相似手写汉字识别[J]. 高学,王有旺.  华南理工大学学报(自然科学版). 2014(01)
[5]基于BP神经网络的行人和自行车交通识别方法[J]. 岳昊,邵春福,赵熠.  北京交通大学学报. 2008(03)
[6]快速风格迁移[J]. 钱小燕,肖亮,吴慧中.  计算机工程. 2006(21)
[7]蒙特卡罗方法的应用及算例[J]. 何凤霞,张翠莲.  华北电力大学学报. 2005(03)
[8]应用BP神经网络分类器识别交通标志[J]. 杨斐,王坤明,马欣,朱双东.  计算机工程. 2003(10)
[9]自动指纹识别中的图像增强和细节匹配算法[J]. 罗希平,田捷.  软件学报. 2002(05)

博士论文
[1]基于统计学习的人脸图像合成方法研究[D]. 杜杨洲.清华大学 2004

硕士论文
[1]基于深度学习的图像风格艺术化[D]. 乔丽莎.西安理工大学 2018



本文编号：3251665