注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于CycleGAN的艺术风格迁移

  2. 我们使用了循环一致性生成对抗网络（ CycleConsistent Generative Adversarial Networks, CycleGAN）实现了将绘画中的艺术风格迁移到摄影照片中的效果。这种方法从图像数据集中学习整体风格，进行风格转换时只要将目标图片输入网络一次，不需要迭代的过程，因此速度较快。我们使用了一些自己制作的数据集训练了 CycleGAN 风格迁移模型，并分析了这种方法的优点和局限性。为了使风格转换后的图片保留原来的色彩分布，我们实现并分析对比了多种颜色匹配的方法。我们

  3. 所属分类：深度学习

    • 发布日期：2018-04-22
    • 文件大小：5242880
    • 提供者：github_38394033

  1. 深度学习艺术风格迁移keras源代码

  2. 艺术风格迁移源代码，基于keras框架，并包含下载好的VGG19模型，可以直接运行使用，初学者不错的学习资源

  3. 所属分类：深度学习

    • 发布日期：2018-05-05
    • 文件大小：536870912
    • 提供者：qq_29462849

  1. Python-基于卷积神经网络的风格迁移制造出带有艺术风格的字体

  2. 基于卷积神经网络的风格迁移，制造出带有艺术风格的字体

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：6291456
    • 提供者：weixin_39840515

  1. VGG艺术风格图片制作.zip

  2. 神经风格迁移是一种优化技术，用于将两个图像（一个内容图像和一个风格参考图像）混合在一起，使输出的图像看起来像内容图像， 但是使用了风格参考图像的风格。这是通过优化输出图像以匹配内容图像的内容统计数据和风格参考图像的风格统计数据来实现的。 这些统计数据可以使用卷积网络从图像中提取。TensorFlow2.0/2.1可运行,VGG模型放在路径C:\Users\admin\.keras\models，风格图片，内容图片放在路径C:\Users\admin\.keras\datasets，即可运行。

  3. 所属分类：深度学习

    • 发布日期：2020-09-27
    • 文件大小：76546048
    • 提供者：a_13572035650

  1. PaddleHub创意之艺术风格迁移

  2. PaddleHub的图像生成想法迁移方法模型介绍将毕加索画风迁移到BadApple动画中每帧融合代码图片整合成视频 想法 毕加索的作品风格丰富多样，后人用“毕加索永远是年轻的”的说法形容毕加索多变的艺术形式。本人对艺术作品不懂，但是好奇当多种作品实现艺术风格迁移时，会是什么样子。 迁移方法 最近在浏览预训练PaddleHub时，发现了这个好玩的module——stylepro_artistic 模型介绍如下： 艺术风格迁移模型可以将给定的图像转换为任意的艺术风格。本模型StyleProNet整体

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：156672
    • 提供者：weixin_38552536

  1. crypto-canvas-fe:deART第一个完全分散的NFT前端-源码

  2. deART（去中心化艺术）前端 真正分散NFT艺术。 所有元数据都存在于链中。 发展 克隆 启动松露服务器 truffle develop 迁移合同 > migrate --reset 克隆此仓库 安装依赖项 yarn install 启动开发服务器 yarn run dev 提交中 图标 类型 :sparkles: 特征 :wrench: 错误修复 :broom: 清理 :nail_polish: 风格变化 :gear: 设定档 :memo: 合同 :ba

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：10485760
    • 提供者：weixin_42122988