《表1 图像转换网络结构》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的纺织品图案智能辅助设计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图像转换网络结构如表1所示。3个卷积层后紧接着5个残差块，然后两个上池化层，最后一个卷积层，第一层和最后一层的卷积核都是9×9，其余均为3×3。每个残差块中包含两层卷积。我们的网络结构中把Batch Normalization用Instance Normalization[2]来替换，所有在生成器网络中的Batch-Normalization都这样替换。这样做能阻止实例特定的均值和协方差简化学习的过程，提高风格迁移速度同时使生成的图像效果更好。同时，deconvolution(transposed convolution）也全部换成了resize convolution，可以防止棋盘格纹理的产生。再者，为了更适应纺织品图案边界要求高的特点，通常的Zero-Padding被Reflect-Padding取代，减少了边界效应。