深度神经网络下的风格迁移模型

版权声明:本文为博主原创文章,转载请在显著位置标明本文出处以及作者网名,未经作者允许不得用于商业目的。
斯坦福大学李飞飞团队的风格迁移模型是一种基于深度学习的图像处理技术,可以将一张图像的风格转移到另一张图像上。该模型最初由Gatys等人提出,后来被李飞飞团队进一步优化和改进。该模型在图像处理领域具有广泛的应用,例如艺术风格转换、视频风格迁移等。

原图

10种模型可以在这里下载:
深度神经网络下的风格迁移模型资源-CSDN文库
处理代码:http://blog.csdn.net/uruseibest

    '风格序号Dim styleindex As Integer = 0'风格迁移Private Sub Button7_Click(sender As Object, e As EventArgs) Handles Button7.Click'需要测试的图像文件Dim m As New Mat("C:\learnEmgucv\tower.jpg", ImreadModes.Color)Dim hm As Single = m.HeightDim wm As Single = m.Width'10种风格迁移Dim styles(9) As Stringstyles(0) = "C:\learnEmgucv\styletransfer\eccv16\starry_night.t7"styles(1) = "C:\learnEmgucv\styletransfer\eccv16\composition_vii.t7"styles(2) = "C:\learnEmgucv\styletransfer\eccv16\la_muse.t7"styles(3) = "C:\learnEmgucv\styletransfer\eccv16\the_wave.t7"styles(4) = "C:\learnEmgucv\styletransfer\instance_norm\candy.t7"styles(5) = "C:\learnEmgucv\styletransfer\instance_norm\feathers.t7"styles(6) = "C:\learnEmgucv\styletransfer\instance_norm\la_muse.t7"styles(7) = "C:\learnEmgucv\styletransfer\instance_norm\mosaic.t7"styles(8) = "C:\learnEmgucv\styletransfer\instance_norm\the_scream.t7"styles(9) = "C:\learnEmgucv\styletransfer\instance_norm\udnie.t7"'https://blog.csdn.net/uruseibestDim net As Dnn.Netnet = DnnInvoke.ReadNet(styles(styleindex))Dim blob As Matblob = DnnInvoke.BlobFromImage(m, 1.0, New Drawing.Size(wm, hm), New MCvScalar(0, 0, 0), False, False)net.SetInput(blob)Dim mout As New Matmout = net.Forward()'返回一个四维数组Dim fout(,,,) As Singlefout = mout.GetData()'返回维度:'第1维:图像数量,这里是1  https://blog.csdn.net/uruseibest'第2维:通道数量   '3'第3维:高度    ''第4维:宽度    ''在实际中需要将第2维、第3维、第4维提取出来组成一个图像Dim channels As Integer = fout.GetLength(1)Dim height As Integer = fout.GetLength(2)Dim width As Integer = fout.GetLength(3)Dim vm As New VectorOfMatFor i As Integer = 0 To channels - 1'取出每个通道Dim matr As New Matrix(Of Integer)(New Size(width, height))For j As Integer = 0 To height - 1For k As Integer = 0 To width - 1matr(j, k) = CInt(fout(0, i, j, k))NextNext'将每个通道图像加入到VectorOfMat,总共3个通道vm.Push(matr.Mat)Next'https://blog.csdn.net/uruseibestDim outputmat As New Mat'合并通道CvInvoke.Merge(vm, outputmat)ImageBox1.Image = outputmatIf styleindex = 9 Then styleindex = 0 Else styleindex += 1
End Sub

处理后的图片:http://blog.csdn.net/uruseibest

由于.net平台下C#和vb.NET很相似,本文也可以为C#爱好者提供参考。

学习更多vb.net知识,请参看vb.net 教程 目录

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/157372.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Go 命名规范:全面指南

关注公众号【爱发白日梦的后端】分享技术干货、读书笔记、开源项目、实战经验、高效开发工具等,您的关注将是我的更新动力! 在软件开发领域中,命名规范在提升代码可读性、可维护性和一致性方面起着至关重要的作用。良好定义的命名规范确保代码…

python之循环

知识点:while 使用while循环一般需要定义一个标志位,用来开始和结束循环 flag True 注意:这里的True一定要大写,否则无法识别 当要循环结束的时候 flag False 例子 # 遍历所有的子列表,找出列表之和为最大的列表 d…

notepad++

目录 notepad标签自动补齐notepad安装插件:Emmet 和 Python Script第 1 步,安装emmet第 2 步,安装 Python Script第 3 步 更改快捷键 安装html代码格式化插件tidy21 安装2 使用2.1 效果 notepad快捷键 notepad标签自动补齐 1 2 3 打标签时…

MySQL数据库备份与恢复:物理备份和逻辑备份详解

MySQL数据库的备份与恢复是数据库管理中至关重要的一环,它确保了数据的安全性和可恢复性。在本文中,我们将深入讨论如何进行MySQL数据库的备份和恢复,并详解物理备份和逻辑备份的概念及区别。 1. 如何备份和恢复MySQL数据库? 1.…

编写函数求定积分的通用函数

归纳编程学习的感悟, 记录奋斗路上的点滴, 希望能帮到一样刻苦的你! 如有不足欢迎指正! 共同学习交流! 🌎欢迎各位→点赞 👍 收藏⭐ 留言​📝 不积跬步无以至千里,…

Hfish安全蜜罐部署

一、Hfish蜜罐介绍 HFish蜜罐官网 HFish是一款社区型免费蜜罐,侧重企业安全场景,从内网失陷检测、外网威胁感知、威胁情报生产三个场景出发,为用户提供可独立操作且实用的功能,通过安全、敏捷、可靠的中低交互蜜罐增加用户在失陷…

注册中心CAP架构剖析

Nacos 支持 AP 或 CP AP Nacos 通过临时节点实现 AP 架构,将服务列表放在内存中; CP Nacos 通过持久化节点实现 CP 架构,将服务列表放在文件中,并同步到内存,通过 Raft 协议算法实现; 通过配置 epheme…

智能座舱架构与芯片 - (3) 硬件篇 上

一、介绍 在了解智能座舱的基本架构之后,我们有必要针对智能座舱域的硬件平台,软件平台,SOC等进行逐一介绍。从它们的整体结构中去认识最新的智能座舱组成部件,以及主要功能等。 如上图,是中央计算-区域控制架构下的智…

Java Finalization‘s Memory-Retention Issues 及Reference类解析

引言 《Effective Java Programming Language Guide》 一书中强烈建议不要使用java的finalize()方法去做对象消亡前的清理。因为jvm调用finalize()方法的时机并不确定,容易导致Memory-Retention Issues。通俗点讲就是内存没办法及时回收。 详细的见oracle的官方说明…

数字电路的基础知识

一、数字电路概述 用数字信号完成对数字量进行逻辑运算和算术运算的电路称为数字电路。 由于它具有逻辑运算和逻辑处理功能,所以又称为数字逻辑电路。 现代的数字电路由半导体工艺制成的数字集成器件构造而成。 逻辑门是数字电路的基本单元电路,就如同在…

ES 查询语法-详解

文章目录 1.DSL查询文档1.1.DSL查询分类1.2.全文检索查询1.2.1.使用场景1.2.2.基本语法1.2.3.总结 1.3.精准查询1.3.1.term查询1.3.2.总结 1.DSL查询文档 elasticsearch的查询依然是基于JSON风格的DSL来实现的。 1.1.DSL查询分类 Elasticsearch提供了基于JSON的DSL&#xff…

vue el-form表单嵌套组件时正则校验不生效

vue el-form表单嵌套组件时正则校验不生效 上图 组件选中数据&#xff0c;但是正则校验未检测到并且红字提示不会消失。直接上代码 <template><div class"created_report"><el-form :model"formData" :rules"isRules" ref"…

六、Big Data Tools安装

1、安装 在Jetbrains的任意一款产品中&#xff0c;均可安装Big Data Tools这个插件。 2、示例 下面以DadaGrip为例&#xff1a; &#xff08;1&#xff09;打开插件中心 &#xff08;2&#xff09;搜索Big Data Tools&#xff0c;下载 3、链接hdfs &#xff08;1&#xff0…

ORA-01658: 无法为表空间XXX段创建 INITIAL 区

ORA-01658: 无法为表空间space中的段创建 INITIAL 区&#xff1b; 或者&#xff1a; ORA-01658: unable to create INITIAL extent for segment in tablespace string。 或者 ORA-01659&#xff1a;无法分配超出 4 的 MINEXTENTS (在表空间XXX中) 。 也就是说表空间大小不…

时间复杂度和运算

时间复杂度 在算法和数据结构中&#xff0c;有许多时间复杂度比 O(1) 更差的情况。以下是一些常见的时间复杂度&#xff0c;按照从最优到最差的顺序排列&#xff1a; O(1)&#xff1a; 常数时间复杂度&#xff0c;操作的运行时间与输入规模无关&#xff0c;是最理想的情况。 O…

xss-labs靶场1-5关

文章目录 前言一、靶场需要知道的前置知识点1、什么是xss攻击&#xff1f;2、xss攻击分为几大类1、反射型xss2、存储型xss3、dom型xss 3、xss攻击形成的条件 二、xss-labs关卡1-51、关卡12、关卡23、关卡34、关卡45、关卡5 总结 前言 此文章只用于学习和反思巩固xss攻击知识&a…

【数据结构-零基础学习】线索二叉树(代码+图示+解析)

【数据结构-零基础学习】线索二叉树(代码图示解析) 文章目录 【数据结构-零基础学习】线索二叉树(代码图示解析)[toc]定义产生背景种类示意图1)未加入线索的普通二叉树示意图1.12)线索添加的规则3)中序线索二叉树示意图1.24)中序线索二叉树分析示意图1.3 设计代码逻辑(重点)代码…

【效率办公】新版后端提效神器(java)

每日更新笔记进度 第 1 章两天玩转后端开发提效神器三剑客课程介绍 1-1 后端开发提效神器三剑客课程介绍 1-2 后端提效神器课程大纲速览和效果演示 1-3 课程相关开发环境准备和新版SpringBoot2.X项目创 第 2 章写代码飞的感觉-急速上手Lombok插件原理 2-1 如果公司代码行…

智能座舱架构与芯片- (15) 测试篇 下

三、持续集成与交付 3.1 自动化编译框架 在智能座舱软件中&#xff0c;分为上层应用软件和底层软件。有些上层应用软件是与指令集平台无关的&#xff0c;例如Java应用程序等&#xff0c;它们对所运行的CPU平台没有依赖性&#xff0c;可以很好的适配当前平台进行执行。而在底层…

Notion AI会员订阅付费

一、Notion AI优势&#xff1a; 自动化任务&#xff1a;NotionAI可以自动完成一些重复性任务&#xff0c;例如对内容进行分类和标记&#xff0c;从而提高工作效率和减少人力成本。个性化建议&#xff1a;NotionAI可以根据用户的偏好和行为模式提供个性化的建议和推荐&#xff…