| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 相关研究综述 | 第14-17页 |
| 1.2.1 文本生成图像的研究现状 | 第14-15页 |
| 1.2.2 图像风格转换的研究现状 | 第15-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 第二章 生成对抗网络 | 第19-28页 |
| 2.1 生成模型 | 第19-20页 |
| 2.2 判别模型 | 第20页 |
| 2.3 生成对抗网络的概念 | 第20-22页 |
| 2.3.1 极大极小博弈 | 第21页 |
| 2.3.2 训练优化 | 第21-22页 |
| 2.4 生成对抗网络的发展及应用 | 第22-24页 |
| 2.5 深度卷积生成对抗网络 | 第24-26页 |
| 2.6 生成对抗网络的优缺点 | 第26-28页 |
| 第三章 数据集的构建及诗词题材分类 | 第28-39页 |
| 3.1 问题概述 | 第28页 |
| 3.2 数据集的获取 | 第28-29页 |
| 3.3 数据集预处理 | 第29-33页 |
| 3.3.1 文本的预处理 | 第29-32页 |
| 3.3.2 图片的预处理 | 第32-33页 |
| 3.4 基于SVM的诗词题材分类 | 第33-39页 |
| 3.4.1 问题概述 | 第33-34页 |
| 3.4.2 训练集的标注与构建 | 第34-35页 |
| 3.4.3 SVM诗词题材分类器的构建 | 第35-37页 |
| 3.4.4 实验 | 第37-39页 |
| 第四章 基于深度卷积生成对抗网络诗词配画 | 第39-54页 |
| 4.1 问题概述 | 第39页 |
| 4.2 什么是诗词配画 | 第39-41页 |
| 4.3 总体思路 | 第41-42页 |
| 4.4 诗词配画 | 第42-45页 |
| 4.4.1 模型 | 第42-44页 |
| 4.4.2 训练 | 第44-45页 |
| 4.5 实验 | 第45-53页 |
| 4.5.1 自建数据集实验 | 第45-50页 |
| 4.5.2 公开数据集实验 | 第50-53页 |
| 4.6 总结与分析 | 第53-54页 |
| 第五章 基于Reinhard算法和小波变换的图像风格转换 | 第54-70页 |
| 5.1 问题概述 | 第54页 |
| 5.2 什么是图像风格转换 | 第54-55页 |
| 5.3 总体思路 | 第55-56页 |
| 5.4 图像风格转换 | 第56-66页 |
| 5.4.1 Reinhard色彩迁移算法 | 第57-59页 |
| 5.4.2 图像高斯模糊及降低图像亮度 | 第59-64页 |
| 5.4.3 小波变换融合图像 | 第64-66页 |
| 5.5 实验 | 第66-69页 |
| 5.5.1 转换速度实验 | 第66-67页 |
| 5.5.2 转换效果实验 | 第67-69页 |
| 5.6 总结与分析 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 本文的主要贡献 | 第70页 |
| 6.2 未来工作 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |