文献

J-GLOBAL ID：202002229072823734   整理番号：20A1152408

深さ学習に基づく画像スタイル変換研究【JST・京大機械翻訳】

Research on Image Style Transfer Based on Deep Learning

著者 (2件)： Zhu Haifeng (上海理工大学光電信息与計算机工程学院,上海,200093) ,  Shao Qing (上海理工大学光電信息与計算机工程学院,上海,200093)
資料名： Ruanjian  (Ruanjian)
巻： 41  号： 3  ページ： 102-106,117  発行年： 2020年 
JST資料番号： C3604A  ISSN： 1003-6970  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 深さ学習の発展に伴い,画像スタイル変換タスクは畳込みニューラルネットワークを用いて実現した。従来の画像変換ネットワークの変換後に,テクスチャ詳細を保存する能力が不足しているという問題に照準を定めて,本論文は,Justinらに基づくスタイル変換モデルを使用して,変換ネットワークにおける残差構造を最適化して,また,対抗のアイデアを結合することによって,スタイル変換モデルを改良した。モデルは,より抽象的な特徴を抽出して,損失関数を調整して,さらに,画像品質を改良することができた。実験により、本文の方法は画像スタイル変換を行う際に、有効に風格化効果を上げ、そして、多種の評価指標で得られた結果を比較することにより、画質が向上したことが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  損失関数 ,  *ネットワーク ,  残差 ,  画質 ,  画像変換
準シソーラス用語： 評価指標 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 学習 ,  スタイル ,  研究