本文介绍Coursera-Deep Learning第四课卷积神经网络最后一节内容:神经风格转换(Neural Style Transfer)。
什么是神经风格转换?
这个概念其实没有明确的定义,但是看一张图就能一目了然了:
最左边是一张古城的照片,而右边则是梵高的著名油画作品:星夜。现在我们在两者的基础上合成一张含有星夜的风格的古城照片,这就是神经风格转换。这应该是神经网络应用里最有趣最好玩的一个了,那么它具体是如何实现的呢?
问题描述
为了后面的解释更清楚,我们先做一些定义:
- 内容图片称为Content Image,简写为C
- 风格图片称为Style Image,简写为S
- 合成图片称为Generated Image,简写为G
直觉上,最后合成的图像G至少应该满足以下两个条件:
- 1.内容要和内容图片的内容尽可能接近
- 2.风格要和风格图片的风格尽可能接近
损失函数
要实现一个有趣的神经网络应用,最重要的是你如何去定义或者说找到它的损失函数。根据上面所说的条件,那么神经风格转换的损失函数应该由两部分组成,它的大致形式如下:
$$
J(G) = \alpha[……]