Please wait a minute...
 
主管单位:广东省科学技术厅
主办单位:广东省科技合作研究促进中心
编辑出版:《电脑与电信》编辑部
ISSN 1008-6609 CN 44-1606/TN
邮发代号:46-95
国内发行:广东省报刊发行局
《电脑与电信》唯一官方网站。
电脑与电信
  基金项目 本期目录 | 过刊浏览 | 高级检索 |
基于对抗生成网络的中国山水画自动生成模型
(广东工业大学自动化学院,广东广州510006)
Chinese Landscape Painting Automated Generation Model Based on Generative Adversarial Networks
(Guangdong University of Technology, Guangzhou 510006, Guangdong)
全文: PDF(0 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 中国山水画是以山川自然景观为主要描写对象的画,它是中国画的重要画科。当前深度学习模型在图像分类、 对象识别、图像风格转换和图像生成等领域都取得了巨大的成功。提出一个基于深度对抗生成网络的中国山水画自动生成模 型,以网络上公开的中国山水画图像为训练集,设计适当深度的网络和损失函数,通过生成器和判别器的对抗训练,得到图像 生成器。通过与真实的山水画进行比较,本模型能够生成具有接近中国山水画风格的图像。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
张钢
陈家链
宋健
郭俊琦
周晨睿
张钢
陈家链
宋健
郭俊琦
周晨睿
关键词 对抗生成网络深度学习中国山水画卷积神经网络对抗生成网络深度学习中国山水画卷积神经网络    
Abstract:Chinese landscape painting mainly describes the natural landscape of mountains and water. It is an important branch of Chinese paintings. Currently deep learning models achieve significant success in many domains, such as image classification, object recognition, image style transformation and automated image generation. In this research, a Chinese landscape painting automated generation model based on generative adversarial networks (GAN) is proposed. The model is trained with Chinese landscape painting images from Internet. The depth of the network and loss function are properly designed. The generator and discriminator are trained in an adversarial manner and finally a well-trained generator is obtained. Compared with true Chinese landscape paintings, the proposed model can generate images with Chinese landscape painting style.
Key wordsgenerative adversarial networks    deep learning    Chinese landscape painting    convolutional neural network    generative adversarial networks    deep learning    Chinese landscape painting    convolutional neural network
年卷期日期: 2020-03-10     
:  TP391.4  
基金资助:广东省自然科学基金项目,项目编号:2016A030310340;2019 年大学生创新训练项目,项目编号:201911845125。
作者简介: 张钢(1979-),男,广东人,工学博士,讲师,研究方向为机器学习。
引用本文:   
张钢, 陈家链, 宋健, 郭俊琦, 周晨睿. 基于对抗生成网络的中国山水画自动生成模型[J]. 电脑与电信, .
ZHANG Gang , CHEN Jia-lian, SONG Jian, GUO Jun-qi, ZHOU Chen-rui. Chinese Landscape Painting Automated Generation Model Based on Generative Adversarial Networks. Computer & Telecommunication, 2020, 1(3): 1-.
链接本文:  
https://www.computertelecom.com.cn/CN/  或          https://www.computertelecom.com.cn/CN/Y2020/V1/I3/1
[1] 李春辉王小英张庆洁刘翰卓梁嘉烨高宁康. 基于多尺度卷积神经网络的DDoS攻击检测方法[J]. 电脑与电信, 2024, 1(6): 35-.
[2] 周 锐  刘海军  邢丽莉  崔春杰  王高远. 基于卷积神经网络的儿童自闭症面部特征分类[J]. 电脑与电信, 2024, 1(5): 38-.
[3] 任 豪. 结合注意力特征融合的八度卷积表情识别方法[J]. 电脑与电信, 2024, 1(5): 71-.
[4] 王 瑾  王 睿. 基于多尺度特征深度学习的人脸表情识别算法[J]. 电脑与电信, 2024, 1(5): 75-.
[5] 聂 铖  王 杰.
数据分析方法的研究与发展综述
[J]. 电脑与电信, 2024, 1(4): 200-25.
[6] 马 艳  刘海军  贺 忍  崔春杰  王高远  杨月巧. 基于Informer的电离层电子总量预测[J]. 电脑与电信, 2024, 1(1): 17-20.
[7] 信博夫. 基于yolov5的弱光环境航拍车辆检测[J]. 电脑与电信, 2024, 1(1): 78-83.
[8] 苏萃文 柴国强.
基于面部特征检测的人脸表情实时识别
[J]. 电脑与电信, 2023, 1(1-2): 17-21.
[9] 何宗熹 蒋明忠 谢铭霞 庞家宝 陈秋艳 胡益博. 基于YOLOv8和人脸关键点检测的驾驶员 疲劳驾驶识别算法设计[J]. 电脑与电信, 2023, 1(11): 1-6.
[10] 张小雪 黄 巍.
基于卷积神经网络的交通标志识别算法
[J]. 电脑与电信, 2022, 1(7): 1-.
[11] 陈俊安 陆庚有 谢倩怡 龚智慧 刘建平 彭绍湖.
图像去雾算法研究综述
[J]. 电脑与电信, 2022, 1(7): 63-.
[12] 刘逸琛.
基于变分自编码器的商品文本分类算法设计
[J]. 电脑与电信, 2022, 1(6): 37-.
[13] 王鹏程 苏一水 王茂发.
基于神经网络的面包智能溯源系统
[J]. 电脑与电信, 2022, 1(5): 19-.
[14] 管 尧 朱 凯.
基于雾天条件下交通道路上的目标检测
[J]. 电脑与电信, 2022, 1(5): 69-.
[15] 张苗苗 柴国强 于海乐 徐昊璇.
基于深度学习的面部特征检测与疲劳驾驶预警
[J]. 电脑与电信, 2022, 1(12): 1-.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
  Copyright © 电脑与电信 All Rights Reserved.
地址:广州市连新路171号广东国际科技中心 邮编:510033
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn
粤ICP备05080322号-4