知识卡片
风格迁移匹配特征统计
经典神经风格迁移固定特征网络,用内容图与生成图的中间特征差构造内容损失,用风格图与生成图的特征 Gram 矩阵差构造风格损失,并按权重优化生成图像的像素。Gram 矩阵汇总通道特征的空间相关统计,不等于对艺术风格的完整定义;层选择、权重与初始化影响结果。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 创造性应用 · 查看原书依据
我们将每对激活映射逐元素相乘后加在一起
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第28章《创造性应用》28.4(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0036_split_004.html`)
- 结论依据:我们将每对激活映射逐元素相乘后加在一起。
- 原始内容:我们将每对激活映射逐元素相乘后加在一起。这个步骤所产生的数字将进入我们的表中,坐标位置由过滤器编号给出。我们用这种方法搭建的表称为格拉姆矩阵。