基于深度学习的图像与视频风格化研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 风格化的研究进展 | 第11-17页 |
| 1.2.1 风格化的起源 | 第12-13页 |
| 1.2.2 基于转换网络的图像风格化 | 第13-15页 |
| 1.2.3 视频的风格化 | 第15-17页 |
| 1.3 本文主要研究内容 | 第17-20页 |
| 第二章 风格化相关技术研究 | 第20-36页 |
| 2.1 基于迭代优化的图像风格化 | 第20-27页 |
| 2.1.1 卷积神经网络 | 第20-24页 |
| 2.1.2 纹理合成 | 第24-25页 |
| 2.1.3 风格化的起源 | 第25-27页 |
| 2.2 基于转换网络的图像风格化 | 第27-32页 |
| 2.3 视频风格化 | 第32-35页 |
| 2.4 小结 | 第35-36页 |
| 第三章 图像与视频风格化的优化改进 | 第36-52页 |
| 3.1 基于前向连接的风格转换网络 | 第36-43页 |
| 3.1.1 风格转换网络设计原则 | 第36-39页 |
| 3.1.2 基于VGG的图像风格转换网络 | 第39-43页 |
| 3.2 自拍图像风格化的优化 | 第43-46页 |
| 3.2.1 自拍风格化的问题分析 | 第43-44页 |
| 3.2.2 自拍风格化的优化 | 第44-46页 |
| 3.3 快速视频风格化 | 第46-51页 |
| 3.3.1 快速视频风格转换网络的架构 | 第46-50页 |
| 3.3.2 快速视频风格转换网络的训练 | 第50-51页 |
| 3.4 小结 | 第51-52页 |
| 第四章 实验结果对比与分析 | 第52-68页 |
| 4.1 实验平台 | 第52-54页 |
| 4.2 U-StyleNet实验验证 | 第54-59页 |
| 4.3 自拍风格化的优化实验 | 第59-65页 |
| 4.4 FV-StyleNet实验验证 | 第65-68页 |
| 第五章 结论与展望 | 第68-72页 |
| 5.1 论文工作总结 | 第68-69页 |
| 5.2 未来工作展望 | 第69-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 个人简历、在学期间发表的论文与研究成果 | 第78页 |
