基于深度学习的风格迁移算法研究

目录

第一章 绪论

1.1 课题的研究背景与意义

1.2 国内外研究现状

1.2.1 基于非真实感渲染风格迁移发展现状

1.2.2 基于纹理合成的风格迁移发展现状

1.2.3 基于神经网络的风格迁移发展现状

1.3 本文研究内容与组织架构

第二章 深度学习与神经网络相关研究

2.1 深度学习概述

2.1.1 深度学习的发展历程

2.1.2 深度学习的相关应用

2.2 神经网络相关研究

2.2.1 循环神经网络

2.2.2 深度信念网络

2.2.3 卷积神经网络

2.2.4 经典的卷积神经网络模型

2.2.5 优化算法

2.3 本章小结

第三章 基于导向滤波的自适应实例规范化局部图像风格迁移算法

3.1自适应实例规范化图像风格迁移算法

3.1.1 自适应实例规范化网络结构与原理

3.1.2 自适应损失函数

3.1.3 卷积神经网络-VGG16模型

3.2 加入导向滤波掩膜的自适应实例局部图像风格迁移算法

3.2.1导向滤波算法

3.2.2基于导向滤波算法的掩膜图像边缘精细化

3.3 实验平台与结果分析

3.3.1实验平台

3.3.2自适应实例规范化风格迁移实验结果与分析

3.3.3基于导向滤波局部风格迁移实验结果与分析

3.4 本章小结

第四章 基于自适应实例规范化的视频风格迁移算法

4.1 传统的视频风格迁移算法

4.1.1 基于迭代优化的视频风格迁移算法

4.1.2 基于前馈神经网络的视频风格迁移算法

4.2 基于自适应实例规范化视频风格迁移

4.2.1 自适应实例规范化视频风格迁移模型结构与工作原理

4.2.2 光流评价方法

4.3 实验结果与分析

4.4 本章小结

结论与展望

结论

展望

参考文献

攻读硕士学位期间发表的学术论文

致谢