[發明專利]一種基于卷積神經網絡的圖像風格轉移方法

有效

• 申請號: 201710199688.4
• 申請日: 2017-03-30
• 公開（公告）號: CN106952224B
• 公開（公告）日: 2019-08-13
• 發明（設計）人: 朱策;夏志強;向俊曌;文宏雕;虢齊;王征韜
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06T11/00
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 閆樹平

1.一種基于卷積神經網絡的圖像風格轉移方法，包括以下步驟：

步驟1、選定一個卷積神經網絡Φ、一張目標內容圖像以及一張目標風格圖像選定卷積神經網絡Φ中至少一層(標記為i)為內容約束層，選定卷積神經網絡Φ中至少一層(標記為j)為風格約束層，設置閾值ε、最高迭代次數th；

步驟2、計算目標內容圖像X^C在卷積神經網絡Φ內容約束層中的濾波響應為建立目標內容圖像在卷積神經網絡第i層的內容表示為Φ(X^C)ⁱ；

步驟3、計算目標風格圖像X^S在卷積神經網絡Φ中風格約束層的濾波響應為建立目標風格圖像在卷積神經網絡Φ第j層的風格表示為其中

步驟4、選定新圖像X^*，初始化為高斯白噪聲；

步驟5、采用步驟2和步驟3相同的方法計算新圖像X^*在選定的卷積神經網絡Φ中內容約束層i的內容表示Φ(X^*)ⁱ和風格約束層j的風格表示γ(Φ(X^*)^j)；

步驟6、計算新圖像X^*和目標內容圖像X^C在卷積神經網絡Φ在內容約束層i的內容特征的損失函數并求解其關于新圖像X^*在該層的濾波響應的梯度

步驟7、計算新圖像X^*和目標風格圖像X^S在卷積神經網絡Φ在風格約束層j的風格特征的損失函數，并求解其關于新圖像X^*在該層的濾波響應的梯度為

步驟8、將步驟6和步驟7中的梯度在卷積神經網絡Φ中進行反向傳播到輸入層，更新圖像X^*；

步驟9、若第t次后更新的圖像滿足或t≥th，此時收斂的圖像X^*是融合了目標內容圖像X^C的內容和目標風格圖像X^S風格的圖像；否則，重復步驟5-8繼續迭代更新圖像X^*直到收斂。

2.如權利要求1所述基于卷積神經網絡的圖像風格轉移方法，其特征在于：

所述步驟1中，內容約束層選擇低層用來保持目標內容圖像的低級語義信息；風格約束層在低層、中層和高層中都選擇至少一層用以學習目標風格圖像的多層次風格信息。