基于风格迁移的图像分类技术研究

发布时间：2024-04-12 04:43

　　随着现代网络技术的快速发展,几乎所有的图像都已经数字化,人们每天都会面对各种图像。对于这些海量图像,人们无法快速找到自己想要的信息。这使得人们迫切地需要一种方法,来快速有效地从海量图像中准确地获取所需的图像内容,这需要计算机事先对这些海量的图像内容进行分析,解释和归类。从而,人们可以使用检索系统来快速且准确地检索到自己想要的图像信息。图像分类技术能够处理这种情况,它根据提取到的图像特征自动将图像进行分类,既能够去除人工设计特征等复杂且高要求的工作,又可以把图像解释出与人们认知相似的表达含义。深层卷积网络是近年来图像分类识别性能最大进步的核心,以其强大的图像识别分类能力被广泛的应用于各种图像分类任务,并取得了十分显著的效果。本文通过对图像分类算法模型的研究,发现大部分模型都是通过加深网络的深度来提高模型的预测准确度,这导致网络过于庞大,训练时间过长,模型性能达到饱和甚至开始下降。也了解到图像的内容特征对图像的分类起决定作用,图像的风格特征对分类也有影响。本文研究发现风格迁移能够改变图像的风格特征且保留图像的内容特征,其使用神经网络来分离和重组图像的内容和风格,生成的新图像与原图像内容相似...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图1-1图片误分类示意

利用深度卷积神经网络[5][6]来集成特征进行分类，由于遮挡或环境的原因，这会使得一些特征被误判，如图1-1所示，就会被识别分类为蜜蜂，而实际上是蚂蚁。图1-1图片误分类示意

图1-2对抗图像

图1-2对抗图像针对以上问题，本文提出用风格迁移[7][8]来帮助图像分类。图像的风格迁移就是转移图像的风格。效果如图1-3所示，图像表达的内容信息基本不变，而图像的风格发生了变化。转化图片中的动物本来是蚂蚁，被误判为蜜蜂，但图像经过风格迁移后，模型将其预测为蚂蚁。用风格....

图1-3图片风格迁移

图1-2对抗图像，本文提出用风格迁移[7][8]来帮助图像分类。。效果如图1-3所示，图像表达的内容信息。转化图片中的动物本来是蚂蚁，被误判为将其预测为蚂蚁。用风格迁移生成的图像来这是要研究的内容和方向。风格(b)转化

图1-4简化的实验过程图

进并加以实现，针对统一模型的不同数据集会用迁移学习来初始化网络参数再加以训练，在训练过程中，用图像特征去均值化，逐渐降低学习率等多种方法加速模型的收敛。（2）实现风格迁移模型，风格迁移模型用来对图像进行处理，获得与原图像内容相一致而风格不同的新图像。且针对于色彩丰富或简单，图像平....

本文编号：3951683