低算力深度学习下的图像卡通风格化研究

摘要

在深入研究图像风格迁移的基础上,提出了一种适用于图形处理器性能受限情况下,卡通(cartoon)图像风格迁移训练的生成式对抗网络(generative adversarial networks,GAN).利用视觉几何组(visual geometry group,VGG)网络提取图片先验信息,实现学习过程的加速;裁剪cartoonGAN模型,在保证效果的基础上,使得低性能计算条件下的网络收敛成为可能;设计合理的损失函数,保证整体风格化效果.基于tensorflow 2.0构建试验平台,通过对试验结果分析可发现,该方法的迁移效果好,稳定性强,且收敛时间短.对算法的参数和初始化方法给出了相关讨论,并提出了进一步的解决方案.

关键词

风格迁移 / 深度学习 / 生成式对抗网络 / 卡通风格化

基金资助

国家重点研发计划资助项目（2020YFC1523302,2017YFB1002604,2017YFB1402105）; 国家重点研发金砖国家合作资助项目（2017YFE0100500）; 国家自然科学基金资助项目（61972041,62072045）