风格迁移 neural style transfer

coursera deeplearning
1、三类图片
Content C : 内容图片
Style S : 风格图片
Generated image G : 生成图片

2、Cost Function

一、全局损失函数

image.png

二、Content Cost Function 内容损失函数

image.png

L : 指的是在预训练的神经网络的第L层
a : 指的是神经网络的激活函数值即中间层的输出

三、Style Cost Function 风格损失函数
①通道 k 与通道 k' 相关性（以图片G网络中的L层为例）

image.png

即通道 k 与通道 k' 对应激活函数值相乘后相加

② image.png
nc : 第L层的通道数
G[L] : 各个通道相关性矩阵
③Style Cost Function
image.png

分别求图片 S 和图片 G 的通道相关矩阵，将他们求差后平方求和

image.png 为常数

3、训练
使用卷积神经网络的时候，卷积神经网络已经提前训练好了，使用的是预训练的卷积神经网络。在风格迁移模型中，训练改变的参数是生成图片的数值（生成图片初试为随机值），而不改变卷积神经网络的参数，通过改变生成图片的数值来达到生成图片的目的。