基于深度学习的传统剪纸图像风格迁移算法研究

摘要：

相比于水墨画、蜡染等其他艺术,剪纸具有严格的线性纹理结构和鲜明的纹样特异性,这给剪纸艺术的智能化创新带来了挑战.为此,提出了一种基于预训练卷积神经网络的剪纸风格迁移算法,在最大程度保留传统剪纸艺术特色的基础上,实现剪纸风格的快速准确迁移.首先,选择将内容图像作为初始迭代图像,以保留更多内容信息;其次,提出基于预训练卷积神经网络的小型网络以减少参数计算,实现风格特征及内容特征的快速提取;之后,引入全变分损失,提出一种基于绝对值误差的新损失函数,以提高图像的平滑性;最后,引入自适应的Adam优化算法,以减少梯度消失及梯度爆炸等现象.实验结果表明,该算法能够获得较为理想的风格迁移效果.

关键词：图像风格迁移、剪纸、纹样特异性、卷积神经网络、损失函数

所属期刊栏目：19

分类号：TP391(计算技术、计算机技术)

资助基金：广州中医药大学课程思政教学研究中心基金资助项目;广州科技计划项目;广东普通高校重点项目;国家自然科学基金;教育部卓越工程师教育培养计划项目产学合作协同育人项目

在线出版日期：2023-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-5