Pemindahan Gaya Neural
Pemindahan Gaya Neural (NST) ialah teknik sintesis imej pembelajaran mendalam, diperkenalkan oleh Gatys, Ecker, dan Bethge pada tahun 2015, yang mengasingkan kandungan semantik satu imej daripada tekstur visual dan gaya artistik imej lain, kemudian menggabungkannya semula menjadi satu imej sintetik dengan mengoptimumkan nilai piksel secara berulang untuk meminimumkan gabungan kehilangan kandungan dan gaya yang dikira daripada peta ciri rangkaian saraf konvolusional yang telah dilatih terlebih dahulu.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Neural Style Transfer via Convolutional Neural Network Feature Statistics. ScholarGate. https://scholargate.app/ms/deep-learning/neural-style-transfer
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Rangkaian Generatif AdversarialPembelajaran Mendalam↔ banding
- Pembelajaran PindahanPembelajaran Mesin↔ banding
- Autoenkoder VariasiPembelajaran Mendalam↔ banding
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →