基于TensorFlow的深度学习VGG-19网络实现图像风格迁移和去噪功能(MNIST数据集)
- 本项目基于MNIST数据集，利用基于TensorFlow框架搭建的VGG-19深度学习网络，实现了图像风格迁移与去噪功能。 2. 项目需要在Python和TensorFlow运行环境下进行，要求Python版本为3.6及以上，并通过conda安装环境，具体指令为conda create -n tensorflow python=3.8.10。 3. 项目包括三个模块，分别为图片处理、模型构造和迭代更新。在项目中，我们采用预训练好的VGG-19网络模型，丢弃了最后三个全连接层，在前面各层的基础上构建了网络结构。损失函数由内容损失和风格损失组成，其中内容损失采用L2范数损失，风格损失使用Gram矩阵计算各通道之间的相关性，以更好地捕捉图像的细节信息，并通过adam梯度下降算法进行优化。 4. 在评估准确率时，对于图像风格迁移这样的模糊算法，不存在客观的评判标准，主要依赖于人为观察运行结果。经过40次迭代，已能明显观察到风格迁移的效果，因此可以根据需求合理调节迭代次数。
下载地址
用户评论
