基于显著性检测和深度卷积神经网络的图像风络迁移方法

摘要

本发明公开了基于显著性检测和深度卷积神经网络的图像风络迁移方法，首先选定需转换的内容图像和风格图像，然后对两幅图像进行显著性检测，采用Multi‑Task FCNN显著性检测模型分别提取两个图像的显著性特征图；然后，采用深度卷积神经网络VGG‑19作为图像高级风格特征提取基础模型，设定内容约束层和风格约束层后，分别提取内容约束层和风格约束层特征图集合，并把内容图像和风格图像的显著性特征图分别加入到内容图像特征图集合和风格图像的特征图集合中；定义了风格迁移损失函数，损失函数由三部分组成，分别是风格图像特征损失函数，内容图像特征损失函数和内容图像显著性特征损失函数。采用梯度下降法，经多次迭代最小化损失函数，最后生成风格迁移结果图像。