conv-neural-network - 有人能解释一下内容丢失、风格丢失和完全丢失会发生什么吗
问题描述
所以我一直在阅读 Leon Gatys 在 2016 年发表的解释神经风格迁移的论文,但我仍然不明白在内容丢失、风格丢失或完全丢失方面发生了什么。有人可以简单地解释一下算法的这些步骤中发生了什么。
解决方案
查看我的 GitHub 存储库:https ://github.com/Bibhash123/Neural-Style-Transfer
因此,在内容损失中,我们找到了生成图像的中间特征图和内容图像之间的均方误差。在风格损失中,我们发现风格图像的中间特征映射和使用 gram 矩阵生成的图像之间存在误差。总损失计算为上述损失的加权总和。实际发生的是,当总损失被优化时,总损失中内容损失的存在确保了生成图像中内容特征的存在。使用 gram 矩阵进行样式丢失可确保生成图像中样式特征的优化分布。我不是专家,因此这个答案可能有错误,但这是我到目前为止所理解的。
推荐阅读
- c# - 如何修复丢失的 vcruntime140 clr 400 dll 错误
- python - Numba cuda:使用共享内存添加数字会导致覆盖
- c# - 如何使用 System.Management.Automation
- git - Git无法解析交互式rebase上的“reword”命令
- javascript - 使用上下文映射鼠标坐标
- html - 如何使用两个条件动作制作 Haml 表单
- javascript - 输入框计算器不会改变结果值
- azure - 如何将 SSL 证书附加到 Azure 容器实例
- java - 如何在java中连续读取在线/网络文件?
- bash - Jenkins shell 脚本:sed: -e expression #1, char 54: unterminated `s' command