针对现有的风格迁移方法在对水表进行数据增强后导致颜色失真,内容保留不完整等问题,提出了一种基于大卷积核的任意风格迁移算法(arbitrary style transfer algorithm of large convolutional kernel,LKAST)。首先,针对风格图像使用大...针对现有的风格迁移方法在对水表进行数据增强后导致颜色失真,内容保留不完整等问题,提出了一种基于大卷积核的任意风格迁移算法(arbitrary style transfer algorithm of large convolutional kernel,LKAST)。首先,针对风格图像使用大卷积核提取风格特征,保留风格特征的高层特征;此外,通过引入新的损失函数,更好的保留迁移结果对内容的保留;最后,通过两组对照实验验证方法的有效性。实验结果表明,该方法能够在模拟水表现场环境的同时保留足够的内容信息,在仅改变数据增强算法的前提下,单次多框目标检测(SSD)算法准确率提升6.84%,YOLOv5准确率提升6.56%。展开更多
文摘针对现有的风格迁移方法在对水表进行数据增强后导致颜色失真,内容保留不完整等问题,提出了一种基于大卷积核的任意风格迁移算法(arbitrary style transfer algorithm of large convolutional kernel,LKAST)。首先,针对风格图像使用大卷积核提取风格特征,保留风格特征的高层特征;此外,通过引入新的损失函数,更好的保留迁移结果对内容的保留;最后,通过两组对照实验验证方法的有效性。实验结果表明,该方法能够在模拟水表现场环境的同时保留足够的内容信息,在仅改变数据增强算法的前提下,单次多框目标检测(SSD)算法准确率提升6.84%,YOLOv5准确率提升6.56%。