基于深度学习的图像风格转换方法

目录

声明

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 卷积神经网络

1.2.2 生成对抗网络

1.2.3 图像风格转换

1.2.4 人脸照片-画像合成

1.3 研究内容

1.4 本文组织结构

第二章 相关理论基础

2.1 卷积神经网络

2.2 生成对抗网络

2.3 深度学习框架

2.4 评价指标

第三章 基于增量型聚焦损失的图像风格转换方法

3.1 基本概念

3.2 增量型聚焦损失函数

3.2.1 交叉熵损失

3.2.2 聚焦损失

3.2.3 增量型聚焦损失

3.3 基于增量型聚焦损失的生成对抗网络

3.4 实验设置

3.4.1 数据集

3.4.2 参数设置

3.4.3 评估指标

3.5 实验结果分析

3.5.1 增量型聚焦损失分析

3.5.2 图像到图像的转换分析

3.5.3 图像生成分析

3.6 本章小结

第四章 鲁棒的人脸肖像简笔画生成方法

4.1 基本概念

4.2 网络结构

4.2.1 预处理模块

4.2.2 全局生成器

4.2.3 一致性损失及局部稀疏性损失

4.3 融合及后处理模块

4.3.1 全局与局部融合模块

4.3.2 后处理模块

4.4 实验设置

4.4.1 数据集

4.4.2 参数设置

4.5 实验结果分析

4.5.1 定性分析

4.5.2 生成能力分析

4.5.3 消融实验

4.6 本章小结

第五章 总结与展望

5.1 工作总结

5.2 未来展望

致谢

参考文献

附录