本次創新實訓，我們的項目是基於深度學習的中國傳統特色圖像的風格遷移。
項目目標：
實現水墨畫和剪紙等中國傳統藝術形式的風格遷移算法。
完成一個可供用戶操作的系統，包括上傳圖片、壓縮、預處理、風格遷移等模塊。
首先介紹一下風格遷移:每一幅畫都有自己的風格，而用戶又想將自己的東西變成與名畫相同的風格，這就叫做風格遷移。以往的風格遷移是分析某一種風格的圖像，給那一種風格建立一個數學或者統計模型，再改變要做遷移的圖像讓它能更好的符合建立的模型。採用這種方法，每個程序只能實現某一種風格或者某一個場景。因此這種傳統的風格遷移的實際應用很有限。2015年德國人Gatys提出了基於卷積神經網絡的圖像風格遷移。利用神經網絡，可以實現更多的圖像風格遷移。
基於此我們提出了中國傳統特色圖像的風格遷移。主要難點有以下方面：
- 水墨畫存在大量的留白空間。
- 剪紙的紋理特徵是線性的，無法直接通過神經網絡學習出來。
- 剪紙更加註重表達邊緣信息。
- 剪紙上有很多重複的pattern。
在項目中我的工作是負責算法的實現和APP的構建。因爲對神經網絡還沒有完全的掌握使用，因此還處於學習和查找資料階段。
初步想法是，針對水墨畫風格，可以將原圖進行分層處理，將大塊連續部分進行留白處理。針對剪紙風格，先結合“盧雪剪紙集”對專門圖像進行處理，先提取原圖像的邊緣信息，再建立一 一對應的剪紙和原圖像訓練集，進行學習。