| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 课题背景 | 第12-14页 |
| 1.2 图像风格化技术的发展 | 第14-15页 |
| 1.3 本文工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 图像风格化相关理论及TensorFlow综述 | 第17-36页 |
| 2.1 卷积神经网络综述 | 第17-24页 |
| 2.1.1 卷积神经网络 | 第17-21页 |
| 2.1.2 卷积神经网络的训练 | 第21-24页 |
| 2.2 基于卷积神经网络的图像风格化 | 第24-28页 |
| 2.2.1 图像的内容表示 | 第24-25页 |
| 2.2.2 图像的风格表示 | 第25-27页 |
| 2.2.3 图像的风格转化 | 第27-28页 |
| 2.3 TensorFlow简介 | 第28-35页 |
| 2.3.1 程序模型与基本概念 | 第28-31页 |
| 2.3.2 多种实现 | 第31-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 基于TensorFlow分布式的实时图像风格化 | 第36-49页 |
| 3.1 问题描述 | 第36页 |
| 3.2 实时图像风格化 | 第36-42页 |
| 3.2.1 实时图像风格化 | 第36-39页 |
| 3.2.2 图像转化网络 | 第39-40页 |
| 3.2.3 感知损失函数 | 第40-42页 |
| 3.3 Instance Normalizion优化 | 第42-44页 |
| 3.4 基于TensorFlow分布式的实现 | 第44-46页 |
| 3.5 实验结果 | 第46-48页 |
| 3.5.1 实验环境 | 第46页 |
| 3.5.2 实验结果与分析 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于前景背景分离的实时图像风格化 | 第49-62页 |
| 4.1 问题描述 | 第49-50页 |
| 4.2 图像分割Graph Cut算法 | 第50-56页 |
| 4.2.1 图分割与计算机视觉 | 第50-52页 |
| 4.2.2 分割算法 | 第52-56页 |
| 4.3 基于前景背景分离的实现 | 第56-58页 |
| 4.4 实验结果 | 第58-61页 |
| 4.4.1 实验环境 | 第58页 |
| 4.4.2 实验结果与分析 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 本文主要工作与贡献 | 第62页 |
| 5.2 未来工作展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |
