ScholarGate
دستیار
Machine learning

انتقال سبک عصبی

انتقال سبک عصبی (NST) یک تکنیک سنتز تصویر مبتنی بر یادگیری عمیق است که توسط گاتیس، اکبر و بته در سال ۲۰۱۵ معرفی شد. این تکنیک، محتوای معنایی یک تصویر را از بافت بصری و سبک هنری تصویر دیگر جدا کرده و سپس با بهینه‌سازی تکراری مقادیر پیکسل‌ها برای حداقل کردن مجموع زیان محتوا و سبک محاسبه‌شده از نقشه‌های ویژگی یک شبکه عصبی کانولوشنی از پیش آموزش‌دیده، آن‌ها را در یک تصویر واحد سنتز شده ترکیب می‌کند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Gatys, L. A., Ecker, A. S., & Bethge, M. (2016). Image Style Transfer Using Convolutional Neural Networks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2414–2423. DOI: 10.1109/CVPR.2016.265
  2. Gatys, L. A., Ecker, A. S., & Bethge, M. (2015). A Neural Algorithm of Artistic Style. arXiv preprint arXiv:1508.06576. link
  3. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. ISBN: 978-0-262-03561-3

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Neural Style Transfer via Convolutional Neural Network Feature Statistics. ScholarGate. https://scholargate.app/fa/deep-learning/neural-style-transfer

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

ScholarGateNeural Style Transfer (Neural Style Transfer via Convolutional Neural Network Feature Statistics). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/deep-learning/neural-style-transfer · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026