參考：

GAN應用之風格遷移&超分辨重建，無監督深度學習新方法（4）：https://blog.csdn.net/qq_43019117/article/details/82837329

CycleGAN生成對抗網絡圖像處理工具：https://www.oschina.net/p/cyclegan?hmsr=aladdin1e1

GAN

• 在原始的GAN基礎上設計了新的網絡結構，生成模型使用U-net，判別模型使用patchGAN
• 使用對抗性的損失，感知損失，模糊損失
• 所有的損失函數延續了LSGAN的思想，使得訓練過程更加的穩定
• 使用了較低成本實現了風格遷移‘

1：CycleGan

• cycleGan不需要配對數據集，可以實現源域和目標域的相互轉換
• photo -> Monet ，summer -> winter 指鹿為馬
• CycleGan建立了一個可雙向轉換不丟失信息的雙向算法。能夠將一張圖片輸入CycleGan中進行多次反復的轉化，最終獲得相似的圖片

2：卡通風格的轉換

總結

以上是生活随笔為你收集整理的GAN之风格迁移的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。