Neirālā stilistiskā pārsūtīšana
Neirālā stilistiskā pārsūtīšana (NST) ir dziļās apmācības attēlu sintēzes tehnika, ko 2015. gadā ieviesa Gatys, Ecker un Bethge. Tā atdala viena attēla semantisko saturu no cita attēla vizuālās tekstūras un mākslinieciskā stila, pēc tam tos apvieno vienā sintezētā attēlā, iteratīvi optimizējot pikseļu vērtības, lai samazinātu kombinēto satura un stila zudumu, kas aprēķināts no iepriekš apmācīta konvolūciju neirālā tīkla (CNN) iezīmju kartēm.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
- Gatys, L. A., Ecker, A. S., & Bethge, M. (2015). A Neural Algorithm of Artistic Style. arXiv preprint arXiv:1508.06576. link ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. ISBN: 978-0-262-03561-3
Kā citēt šo lapu
ScholarGate. (2026, June 3). Neural Style Transfer via Convolutional Neural Network Feature Statistics. ScholarGate. https://scholargate.app/lv/deep-learning/neural-style-transfer
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Generatīvais Adversariālais TīklsDziļā mācīšanās↔ salīdzināt
- Pārneses apmācībaMašīnmācīšanās↔ salīdzināt
- Variacionālais autoenkodersDziļā mācīšanās↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →