基于TensorFlow分布式與前景背景分離的實時圖像風格化算法.pdf

1、進入二十一世紀，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)移動設備都具有較為良好的拍攝功能，因此人們對于多媒體信息處理的需求也越來越強烈。近期，隨著一款名為Prisma的軟件的風靡，圖像風格化技術開始走入大眾的視線。
　　本文主要考慮Justin等人的實時圖像風格化算法。該算法在測試階段的效率非常高，并且能產(chǎn)生高質(zhì)量的風格化圖像。然而，其針對某一風格進行模型訓練的耗時仍然較長，通常需要幾個小

2、時。此外，在數(shù)碼印花打印應用中，該算法對純色背景的圖像風格化的效果也不盡如人意。
　　本文的工作主要有以下兩個方面:(1)將多個設備配置成一個可用的TensorFlow分布式集群，并添加新的啟動參數(shù)用于動態(tài)地配置集群環(huán)境，將實時圖像風格化算法架構在TensorFlow分布式集群上，通過并行地訓練模型，大大地減少模型的訓練時間。(2)對純色背景的圖像，先采用圖像分割方法將圖像的前景與背景進行分離，然后對圖像的前景與背景分別執(zhí)行風格化