基于PyTorch实现神经网络图像风格实时迁移和迭代式非实时风格迁移源码+文档说明+模型.zip

基于PyTorch实现神经网络图像风格实时迁移和迭代式非实时风格迁移源码+文档说明+模型 【项目介绍】 实时风格迁移 迭代式的(非实时)风格迁移 图像风格迁移是深度学习中的一项有趣应用，它结合了两幅图像的内容和风格，创造出一幅新的图像。在内容上保留了原始图像的特征，还在风格上融合了另一幅图像的艺术特质。 主要功能点 实现了基于迭代优化的非实时风格迁移 实现了基于生成网络的实时风格迁移 提供了一些基本的使用示例 技术栈 PyTorch 卷积神经网络 图像生成 使用方法 提供了一些基本的使用示例，详细参数请见源代码或使用--help 命令获取 一、非实时风格迁移： 可以将输入内容图像和风格图像，即可完成风格迁移，运行时每一个epoch完成后会将生成的图像保存至output_dir 二、实时风格迁移： 模型训练： 这里提供了两个训练好的模型 一次性处理若干个图像： 对视频进行风格迁移： 原理介绍 我们需要对一个图像的内容和风格进行量化，具体方法如下： 使用预训练的深度卷积神经网络（例如 VGG-19）作为特征提取器。在这里，我们主要使用网络中间的一些卷积层的输出，而忽略了用