计算机工程与科学

作者：王杨, 郁振鑫, 卢嘉,

单位：1.河北工业大学电子信息工程学院,天津 300401;2.河北工业大学天津市电子材料与器件重点实验室,天津 300401

关键词：风格迁移,显著性区域检测,语义分割,卷积神经网络,

基金：河北省教育厅重点项目（ZD2020304）

对图像局部进行风格迁移通常会导致风格溢出和较小的区域风格化后效果不明显，针对该问题，提出一种图像显著性区域风格迁移方法。首先，根据人眼视觉注意机制的特点，对训练图像数据集中的显著性区域进行标注，采用快速语义分割模型进行训练，得出包含图像显著性区域的二值掩码图。然后，通过精简快速神经风格迁移模型网络层结构，并在生成网络部分采用实例正则化层，得出更具真实感的整体风格迁移结果。最后，将由语义分割得到的二值掩码图和整体风格迁移图相融合，输出最终的结果图像。在Cityscapes数据集和Microsoft COCO 2017数据集上设计了对比实验，结果显示，该方法对图像中的局部目标区域进行了均匀、细腻的风格化，且与背景区域能很好地融合在一起，实现更具真实感的风格迁移效果的同时，运行效率更占优势。

来源：2022年第1期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第1期