What is Neural Style Transfer?什么是神经风格迁移

最近，卷积神经网络（ConvNet） 的一个非常有趣且令人兴奋的应用是 神经风格迁移（Neural Style Transfer）。你将在问题练习中亲自实现这一技术，生成你自己的艺术作品。那么，什么是神经风格迁移呢？让我们来看几个例子！✨

---

神经风格迁移的概念

假设你有这样一张图像 —— 这是来自 斯坦福大学（Stanford University）的一张照片，拍摄地点靠近我在斯坦福大学的办公室。你希望将这张图片转换成右侧图片的风格 —— 这幅画是 梵高（Van Gogh）的名画 《星空》。通过神经风格迁移，你可以生成如下图像：

• 目标： 生成一张斯坦福大学校园的图片，但这张图片的风格是《星空》风格。

公式化

• C：表示 内容图像（Content Image）
• S：表示 风格图像（Style Image）
• G：表示 生成的图像（Generated Image）

---

更多示例

再来看一个例子：

• 内容图像：这张图是 旧金山的金门大桥（Golden Gate Bridge）。
• 风格图像：这是 巴勃罗·毕加索（Pablo Picasso）的作品。

通过神经风格迁移，你可以将这两张图像结合起来，生成一张新的图像 G，其内容是金门大桥，但风格模仿了毕加索的艺术风格。以下是生成的效果：

• 结果： 这是一张金门大桥的画作，但它被绘制成了类似毕加索风格的样子。

这些示例由 Justin Johnson 生成。

---

实现神经风格迁移

为了实现 神经风格迁移，你需要利用 卷积神经网络（ConvNet） 在不同层级（包括浅层和深层）提取的特征。在进行详细的实现步骤之前，下一视频将为你提供更直观的理解，帮助你理解卷积神经网络中的各层到底是如何工作的。

---

小结：你将学到的内容

• 通过神经风格迁移，你将能够将一张图像的内容与另一张图像的风格结合起来，创造出全新的艺术作品。
• 实现这一过程需要深入理解卷积神经网络如何从不同层提取图像特征。

在接下来的视频中，我们将更深入地探讨卷积神经网络的层级特征提取过程，并指导你实现 神经风格迁移。