基于深度学习的图像水墨风格渲染应用
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 第一章 绪论 | 第11-14页 |
| 1.1 项目背景 | 第11-12页 |
| 1.2 本文研究目标 | 第12页 |
| 1.3 本文组织结构 | 第12-14页 |
| 第二章 深度神经网络相关技术介绍 | 第14-25页 |
| 2.1 深度学习和神经网络 | 第14-15页 |
| 2.2 深度学习框架比较 | 第15-17页 |
| 2.3 卷积神经网络 | 第17-21页 |
| 2.3.1 卷积层 | 第17-18页 |
| 2.3.2 池化层 | 第18-19页 |
| 2.3.3 全连接层 | 第19页 |
| 2.3.4 优化算法 | 第19页 |
| 2.3.5 VGGNet | 第19-21页 |
| 2.3.6 Illustration2Vec | 第21页 |
| 2.4 其它深度神经网络介绍 | 第21-24页 |
| 2.4.1 循环神经网络 | 第21-23页 |
| 2.4.2 生成对抗网络 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 水墨风格渲染的系统设计 | 第25-29页 |
| 3.1 常用术语 | 第25-26页 |
| 3.2 应用总体规划 | 第26页 |
| 3.3 实现难点 | 第26-27页 |
| 3.4 实现目标 | 第27页 |
| 3.5 本章小结 | 第27-29页 |
| 第四章 基于深度学习的水墨风格渲染实现 | 第29-47页 |
| 4.1 特征风格生成 | 第29-37页 |
| 4.2 水墨风格渲染 | 第37-39页 |
| 4.3 卷积神经网络移植 | 第39-42页 |
| 4.4 软件和硬件架构 | 第42-44页 |
| 4.5 实验结果对比分析 | 第44-45页 |
| 4.6 本章小结 | 第45-47页 |
| 第五章 水墨风格渲染的网络前后端实现 | 第47-58页 |
| 5.1 Node.js介绍 | 第47页 |
| 5.2 Express框架 | 第47页 |
| 5.3 后端平台实现 | 第47-53页 |
| 5.4 前端页面实现 | 第53-56页 |
| 5.5 应用部署配置 | 第56-57页 |
| 5.6 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 全文总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 研究生期间成果展示 | 第65-66页 |
