[经管数据集] 基于tensorflow深度学习VGG-19图像风格迁移+自动去噪MNIST数据集机器学习人工智能 [推广有奖]

1关注
278
粉丝

已卖：21160份资源
好评率：99%
商家信誉：一般

巨擘

还不是VIP/贵宾

威望: 1 级
论坛币: 40750 个
通用积分: 2590.6735
学术水平: 20 点
热心指数: 31 点
信用等级: 7 点
经验: 7048 点
帖子: 20353
精华: 0
在线时间: 11841 小时
注册时间: 2020-12-8
最后登录: 2026-1-31

楼主

yusb

发表于 2023-11-14 11:29:06 |AI写论文

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

基于tensorflow深度学习VGG-19图像风格迁移+自动去噪（MNIST数据集）机器学习+人工智能+神经网络

1.项目基于 MNIST 数据集，使用 VGG-19 网络模型，将图像进行风格迁移，实现去噪功能。2.项目运行环境：Python 和 TensorFlow 运行环境。需要 Python 3.6 及以上配置，使用conda安装环境 conda create -n tensorflow python=3.8.103.项目包括 3 个模块：图片处理、模型构造、迭代更新。项目用到的网络模型为预训练好的VGG-19，使用过程中抛弃最后三个全连接层，取出前面各层的参数，构建网络结构。损失函数，由内容损失、风格损失构成。内容损失采用 L2范数损失，风格损失用 Gram 矩阵计算各通道的相关性，以便更好的捕捉笔触、纹理等细节信息，利用 adam 梯度下降算法进行优化。4.准确率评估：对于图像风格迁移这种模糊算法，并没有客观的评判标准。损失函数可以反映出一部分情况，更多的是人为观察运行结果。经测试，经过 40 次迭代风格迁移已很明显，可根据自身需求，合理调节迭代次数。