专利交易市场

一种基于生成对抗网络的非匹配图像风格转换方法，包括以下步骤：1)同时输入属于A风格图像xa以及属于B风格图像xb进入风格转换神经网络中；2)根据源域图像，网络生成器生成对应的目标域风格图像；3)将源域与生成的目标域图像经过分割网络，通过形状一致性损失进行约束；4)将源域与生成的目标域图像经过感知网络，通过感知损失进行一致性约束；5)判别器对生成器生成的图像进行质量评判；6)按步骤1)～5)重复设定次数，直到网络收敛。本发明旨在没有互相匹配的图像数据情况下，利用深度学习技术，实现将图像的风格进行有效的转换。通过精心设计的网络结构，能够有效地提高转换图像的质量且适应于更广阔的应用场景范围。

本申请公开了一种图像风格转换方法及装置。该方法包括：获取待处理图像的内容特征数据和风格图像的风格特征数据；分别对所述内容特征数据和所述风格特征数据进行映射处理，得到映射处理后的所述内容特征数据和映射处理后的所述风格特征数据；基于所述映射处理后的所述内容特征数据与所述映射处理后的所述风格特征数据，得到重组特征数据；将所述重组特征数据映射到所述风格特征数据所在域，得到转换特征数据；基于所述转换特征数据，得到风格转换图像。还公开了相应的装置。通过对待处理图像的内容特征数据和风格图像的风格特征数据进行映射、重组和转换，得到风格转换后的图像，可实现高效、通用地转换图像风格。

本公开公开了实现油画效果的图像风格转换方法、系统、设备及介质，包括：接收输入的原始图像，对原始图像进行处理得到笔画方向场图；对原始图像进行处理，得到显著性图；将显著性图视为笔画尺度控制图；基于笔画尺度控制图，对原始图像进行多尺度各向异性滤波处理，得到滤波后的图像；对滤波后的图像进行处理，得到边缘梯度图；将笔画方向场图、笔画尺度控制图和边缘梯度图进行图像融合，得到凹凸映射高度图；基于凹凸映射高度图对滤波后的图像进行凹凸映射，得到油画风格的图像。