跨域目标检测是最近兴起的研究方向, 旨在解决训练集到测试集的泛化问题. 在已有的方法中利用图像风格转换并在转换后的数据集上训练模型是一个有效的方法, 然而这一方法存在不能端到端训练的问题, 效率低, 流程繁琐. 为此, 我们提出一种新的基于图像风格迁移的跨域目标检测算法, 可以把图像风格迁移和目标检测结合在一起, 进行端到端训练, 大大简化训练流程, 在几个常见数据集上的结果证明了该模型的有效性.
2021-12-14 17:49:40
902KB
1
OpenCV图像风格迁移所用模板文件之starry_night.t7
使用代码：
import cv2
image_file = xxx.jpg' #目标文件
model = 'starry_night.t7' #模板文件
net = cv2.dnn.readNetFromTorch('models/' + model)
image = cv2.imread('images/' + image_file)
(h, w) = image.shape[:2]
blob = cv2.dnn.blobFromImage(image, 1.0, (w, h),
(103.939, 116.779, 123.680), swapRB=False, crop=False)
net.setInput(blob)
out = net.forward()
out = out.reshape(3, out.shape[2], out.shape[3])
out[0] += 103.939
out[1] += 116.779
out[2] += 123.68
out /= 255
out = out.transpose(1, 2, 0)
#cv2.namedWindow('Image', cv2.WINDOW_NORMAL)
cv2.imshow('Image', out)
out *= 255.0
cv2.imwrite('output-' + model + '_' + image_file, out) #输出文件
cv2.waitKey(0)
cv2.destroyAllWindows()
效果：
将starry_night.t7中的画风迁移到xxx.jpg中
2021-11-30 18:57:50
24.32MB
1
本资源为实验四：深度学习图像生成（Part one：图像风格迁移）文章对应模型及图像。
2021-10-25 16:09:12
71.48MB
1
OpenCV图像风格迁移所用模板-Candy
使用方法：
import cv2
image_file = 'xxx.jpg' #目标文件
model = 'Candy.t7' #模板文件
net = cv2.dnn.readNetFromTorch('models/' + model)
image = cv2.imread('images/' + image_file)
(h, w) = image.shape[:2]
blob = cv2.dnn.blobFromImage(image, 1.0, (w, h),
(103.939, 116.779, 123.680), swapRB=False, crop=False)
net.setInput(blob)
out = net.forward()
out = out.reshape(3, out.shape[2], out.shape[3])
out[0] += 103.939
out[1] += 116.779
out[2] += 123.68
out /= 255
out = out.transpose(1, 2, 0)
cv2.imshow('Image', out)
out *= 255.0
cv2.imwrite('output-' + model + '_' + image_file, out) #输出文件
cv2.waitKey(0)
cv2.destroyAllWindows()
该程序可以将Candy.t7模板的风格迁移到xxx.jpg中
2021-10-22 18:15:17
14.83MB
1
cyclegan 手写汉字生成 Handwritten-CycleGAN-master.zip
2021-08-03 09:50:11
252.5MB
此项目使用Python2.7+TensorFlow 1.4编写，环境太过古老，可能无法正常运行起来。
如有需要，请移步我使用Python 3.7 + TensorFlow 2.0重写的版本：
使用VGG19迁移学习实现图像风格迁移
这是一个使用预训练的VGG19网络完成图片风格迁移的项目，使用的语言为python，框架为tensorflow。
给定一张风格图片A和内容图片B，能够生成具备A图片风格和B图片内容的图片C。
下面给出两个示例，风格图片都使用梵高的星夜：
示例1：
网络上找到的一张风景图片。
内容图片：
生成图片：
示例2：
嗷嗷嗷，狼人嚎叫～
内容图片：
生成图片：
更多详情请移步博客
快速开始
1.下载预训练的vgg网络，并放入到项目的根目录中
模型有500M+，故没有放到GitHub上，有需要请自行下载。
下载地址：
2.选定风格图片和内容图片，放入项目根目录下的image
2021-07-31 17:32:43
4.6MB
1
单张图片的图像风格迁移，包含图像已训练完成的数据模型，可以进行输出图片的质量选择，进行照片，背景图风格转换学习。
2021-05-26 09:23:45
83.33MB
1