DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

DL之CV之NS:基于TF Slim利用七个不同的预训练模型实现快速NS风格

实现结果

1、本博主,以前几天拍过的东方明珠照片,为例进行快速NS风格

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

model

introduction

original

result

cubist

Modern art pictures

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

denoised_starry

Van Gogh's famous painting 《The Starry Night》

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

feathers

Leaf art pictures

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

mosaic

Mosaic glass decoration

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

scream

Edvard Munch's famous painting, 《The Scream》

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

udnie

Francis Capilla's paintings《udnie Young American Girl》

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

wave

The famous painting of Kanagawa,

《かながわおきなみうら》

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

2、这是本博主拍摄的一张东方明珠夜景,进行了快速NS实现

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格DL之CV之NS:基于TF Slim(VGG16)利用七个不同的预训练模型实现快速NS风格

 

部分实例代码

from __future__ import print_function
import tensorflow as tf
import reader
import model
import time
import os

image01='NS_test03'  
type01='wave'
model_file='models/%s.ckpt-done' %(type01)  
image_file='img/%s.jpg' % (image01)

……

tf.app.flags.DEFINE_integer('image_size', 256, 'Image size to train.')
tf.app.flags.DEFINE_string("model_file", model_file, "")  #tf.app.flags.DEFINE_string("model_file", "models.ckpt", "")
tf.app.flags.DEFINE_string("image_file", image_file, "")  #tf.app.flags.DEFINE_string("image_file", "a.jpg", "")

……