Изменения

Перейти к: навигация, поиск

Neural Style Transfer

140 байт убрано, 23:32, 17 апреля 2019
Style Loss
Это поможет сохранить исходный контент в сгенерированном изображении, а также минимизировать разницу в представлении признаков, которое логически фокусируется на разнице между содержимым обоих изображений.
== Style Loss Функция потери стиля ==
Теперь давайте посмотрим на потерю стиля, а при расчете потери стиля мы рассмотрим представление характеристик многих слоев свертки от мелких до более глубоких слоев модели. В отличие отличии от потери контента, мы не можем просто найти разницу в единицах потерю стиля нельзя рассчитать с помощью разницы значений функции активациинейронов. Нам нужен способ Необходимо найти корреляцию между этими активациями значениями функции активации по разным каналам одного и того же слоя, и . И для этого нам нужно нечто, называемое авторы алгоритма предлагают воспользоваться матрицей Грама.
=== Gram Matrix Матрица Грама ===
[[Файл:Image8.jpeg|500px|thumb|right]][[Файл:Image9|Рис. 4.jpeg|500px|rightПринцип рассчет матрицы Грама]]
Я попытаюсь создать основу, необходимую для понимания матрицы грамм, на примере. Итак, давайте рассмотрим, как мы передаем наше изображение стиля через vgg16 и получаем значения активации из 7-го уровня, который генерирует матрицу представления объектов размером 56x56x256, которую вы можете использовать на рисунке 2, который описывает архитектуру vgg16. Теперь давайте подробнее рассмотрим этот вывод.
Анонимный участник

Навигация