一种基于语义分割与深度卷积神经网络的肖像风格迁移方法

摘要

本发明公开了一种基于语义分割与深度卷积神经网络的肖像风格迁移方法，首先选定需转换的肖像图和目标风格肖像图，然后对两幅图像进行语义分割，分割出肖像区域和背景区域，再从肖像区域分割出具体的五官，然后定义了肖像风格迁移损失函数，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，在VGG‑19模型中定义内容约束层和风格约束层，建立新的模型结构。分别把将分割后的语义图像和原图像输入到新的VGG‑19模型中，提取图像高级风格特征和内容特征，利用肖像风格迁移损失函数，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。