基于神经网络的图像动漫化转换研究文献综述

文献综述

一、本设计拟研究解决的问题图像转换在现实生活中有着广泛的应用,也是计算机视觉领域的研究热点之一。

它可以理解为改变图像的某些特定方面同时保持了原始图像的基本结构和特征。

在神经网络安全领域,图像生成将会有很大的用处。

生成对抗网络作为一种概率生成模型,其已经被应用于很多视觉任务中,特别是在图像生成方向的优良表现。

本次毕业设计主要是学习并掌握基于生成式对抗网络（GAN, Generative Adversarial Networks）的图像动漫化转换（AnimeGAN）的相关知识，进行图像动漫化转换的实现。

二、研究现状和发展趋势人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。

这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

随着深度神经网络技术的飞速发展，生成模型取得了长足的进步。

在过去的几年中，生成对抗网络（GAN）的研究有了巨大的增长，它可以间接地对未知分布进行建模，并且可以避免统计和计算挑战。