基于CycleGAN的圖像風(fēng)格遷移

馬赫 張濤 盧涵宇

摘要：隨著深度學(xué)習(xí)的不斷發(fā)展與應(yīng)用，圖像到圖像的風(fēng)格遷移成了計算機視覺領(lǐng)域的研究熱點之一。該文運用Cycle-GAN網(wǎng)絡(luò)對圖像進行風(fēng)格遷移，能夠在無匹配的源圖像和風(fēng)格圖像的情況下進行。使得CycleGAN網(wǎng)絡(luò)中的生成器由編碼器、轉(zhuǎn)換器及解碼器組成，能起到保留原始圖像特征和轉(zhuǎn)換圖像數(shù)據(jù)的作用。該文嘗試通過Inception與ResNet進行結(jié)合，并與原CycleGAN網(wǎng)絡(luò)進行對比訓(xùn)練，結(jié)果表明，修改后的CycleGAN能夠比CycleGAN訓(xùn)練后得到更加逼真的圖像，具有更佳的視覺效果。

關(guān)鍵詞：CycleGAN;圖像風(fēng)格遷移;轉(zhuǎn)換器;ResNet模塊;深度學(xué)習(xí)

中圖分類號：TP183 文獻標(biāo)識碼：A

文章編號：1009-3044（2020）27-0018-03

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

隨著計算機技術(shù)和人工智能技術(shù)的發(fā)展，深度學(xué)習(xí)應(yīng)用越來越廣，其中計算機圖形學(xué)與深度學(xué)習(xí)的結(jié)合，產(chǎn)生了許多優(yōu)秀的算法，并在后來的圖像風(fēng)格遷移、圖像分割、自然語言生成等諸多領(lǐng)域得到廣泛應(yīng)用[1-4]。

隨著GAN網(wǎng)絡(luò)的應(yīng)用也產(chǎn)生了一系列如難以收斂、訓(xùn)練不穩(wěn)定、模型不可控等問題，促使了大量學(xué)者對該類問題的研究，如MARTIN等[5]針對GAN網(wǎng)絡(luò)訓(xùn)練不穩(wěn)定的問題，提出了WGAN（Wasserstein GAN），該方法使用Earth-Mover距離代替JS散度作為判別器D的目標(biāo)函數(shù)，使得訓(xùn)練穩(wěn)定性得到有效提升。Zhu等[6]人為解決GAN網(wǎng)絡(luò)的一些限制，提出了循環(huán)一致性對抗網(wǎng)絡(luò)（CycleGAN）網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠根據(jù)不成對的數(shù)據(jù)集訓(xùn)練出能夠滿足不同風(fēng)格的圖像的轉(zhuǎn)換;隨后，劉哲良等[7]針對采用CycleGAN網(wǎng)絡(luò)進行圖像風(fēng)格遷移中，表現(xiàn)出泛化能力差等問題，提出了一種FCN-CycleGAN的圖像風(fēng)格遷移方法，結(jié)論證明該方的網(wǎng)絡(luò)在穩(wěn)定性法具有較好的表現(xiàn)能力。……