基于TensorFlow分布式與前景背景分離的實(shí)時(shí)圖像風(fēng)格化算法.pdf

1、進(jìn)入二十一世紀(jì)，隨著互聯(lián)網(wǎng)的不斷發(fā)展，文本信息逐漸被圖像、視頻等新一代視覺信息所代替。而如今大多數(shù)移動(dòng)設(shè)備都具有較為良好的拍攝功能，因此人們對(duì)于多媒體信息處理的需求也越來越強(qiáng)烈。近期，隨著一款名為Prisma的軟件的風(fēng)靡，圖像風(fēng)格化技術(shù)開始走入大眾的視線。
　　本文主要考慮Justin等人的實(shí)時(shí)圖像風(fēng)格化算法。該算法在測(cè)試階段的效率非常高，并且能產(chǎn)生高質(zhì)量的風(fēng)格化圖像。然而，其針對(duì)某一風(fēng)格進(jìn)行模型訓(xùn)練的耗時(shí)仍然較長，通常需要幾個(gè)小

2、時(shí)。此外，在數(shù)碼印花打印應(yīng)用中，該算法對(duì)純色背景的圖像風(fēng)格化的效果也不盡如人意。
　　本文的工作主要有以下兩個(gè)方面:(1)將多個(gè)設(shè)備配置成一個(gè)可用的TensorFlow分布式集群，并添加新的啟動(dòng)參數(shù)用于動(dòng)態(tài)地配置集群環(huán)境，將實(shí)時(shí)圖像風(fēng)格化算法架構(gòu)在TensorFlow分布式集群上，通過并行地訓(xùn)練模型，大大地減少模型的訓(xùn)練時(shí)間。(2)對(duì)純色背景的圖像，先采用圖像分割方法將圖像的前景與背景進(jìn)行分離，然后對(duì)圖像的前景與背景分別執(zhí)行風(fēng)格化