基于多维卷积神经网络的图像样式转换算法

基于神经网络的图像样式转换算法成为计算机视觉的一个热点。单一神经网络的图像样式转换算法存在损失函数初值大,收敛速度慢,生成图像质量欠佳等问题。针对上述问题,本文提出了基于多维卷积神经网络的图像样式转换算法。首先,叠加了不同卷积神经网络。然后,降低了叠加网络深度,引入多维网络的特征提取模型。最后,采用一种预测方法对该网络的输入结果进行评估,从而实现了图像样式转换。试验结果表明,预测方法有效地预估了算法执行质量,且相比于单一卷积神经网络,所提风格迁移算法的收敛速度和生成的图像质量更优。