目前大多数的图像风格迁移方法属于有监督学习，训练数据需要成对出现，并且在处理图像背景时，现有的方法过于繁琐。针对这些问题，提出了一种基于图像蒙板的无监督图像风格迁移方法。在实验中，采用了基于循环一致性的CycleGAN架构，并使用Inception-ResNet结构设计了一个全新的具有内置图像蒙板的生成式模型，最后通过无监督学习将图像的背景与学习到的抽象特征进行自动重组。实验表明，新方法有效地对图像背景和抽象特征进行自动分离与重组，同时解决了特征学习过程中的区域干扰问题，获得了可观的视觉效果。
2021-04-30 17:03:10
2.12MB
1
图像风格迁移源代码，jupyter文件有注释，附带VGG16。基于keras进行了实现。
程序中使用到了VGG16的预训练模型vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5（已放入zip包），第一次调用会自动下载，如果下载慢，就用zip包中的，放到C:\Users\用户\.keras\models目录下，就可以使用。
2021-04-11 21:54:33
57.85MB
1
基于VGG19的图像风格迁移，如果没有vgg-19文件 运行utils代码是会下载。 在styles文件夹中选择更改要迁移的图，包含了风格图片，内容图片替换成自己要进行操作的图片即可。是可以直接运行跑通的。有疑问的话可以留言询问。
2020-01-03 11:31:45
225KB
1
图像风格迁移原始论文完整实现代码，可以实现内容图片和风格图片的转化，https://blog.csdn.net/kevinoop/article/details/79827782 这个博客有代码详细介绍。
2019-12-21 18:50:50
8.72MB
1