مقاله کنفرانسی سال ۱۴۰۳ انگلیسی

Image Quality Improving in the Field of Style Transfer based on Deep Learning

Image Quality Improving in the Field of Style Transfer based on Deep Learning

چکیده مقاله

Recent studies have made great progress in the transfer of style in the image and various methods have made progress in this field However, evaluating and improving the quality of stylization remain two important open challenges By examining these two aspects, in this paper, the style transfer quality is first decomposed into three measurable factors, namely Content Fidelity CF , Global Effects GE and Local Patterns LP Then, a new approach is further presented to exploit these factors to improve the quality of stylization The proposed approach is to use a deep neural network based on GAN or D GAN in general, which uses the manifold model

کلیدواژه‌ها

نویسندگان

تصویر Mobin Khorushi

Mobin Khorushi

University of Mohaghegh Ardabili, Faculty of Technical Engineering, Ardabil, Iran

شیوه ارجاع

Khorushi, Mobin,1403,Image Quality Improving in the Field of Style Transfer based on Deep Learning,The 3th international conference on artificial intelligence and its future prospects in electrical, computer, mechanical and telecommunication engineering sciences.,Mashhad

ارائه‌شده در

پوستر مجموعه مقالات سومین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات مجموعه مقالات سومین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات29 شهریور 1403 · مشهد
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۳ ۹۷۳ مشاهده

کاربردهای هوش مصنوعی در سیستم های قدرت

ابزارهای هوش مصنوعی AI که سریع، قوی و سازگار هستند، میتوانند بر محدودیت های راه حل های سنتی برای مشکلات…

هوش مصنوعی AIدسته بندیرگرسیون
مقاله کنفرانسی سال ۱۴۰۳ ۷۰۹ مشاهده

تولید محتوا با قدرت هوش مصنوعی: تحول بازاریابی دیجیتال

این مقاله به بررسی نقش هوش مصنوعی در تحول بازاریابی دیجیتال از طریق تولید محتوای خودکار پرداخته است هدف…

هوش مصنوعیبازاریابی دیجیتالتولید محتوای خودکار
مقاله کنفرانسی سال ۱۴۰۳ ۶۲۶ مشاهده

استفاده از یادگیری تقویتی عمیق (DRL) برای افزایش قابلیت های تصمیم گیری مستقل در رباتیک

کاربرد یادگیری تقویتی در ربات ها زیرشاخه ای از یادگیری ماشینی است که با توسعه ربات های مستقلی سروکار دار…

یادگیری تقویتیرباتیکربات های مستقل
مقاله کنفرانسی سال ۱۴۰۳ ۵۴۶ مشاهده

بررسی کاربردهایی از منطق فازی در حل مسائل مهندسی عمران

پروژه ها و طرح های مهندسی عمران معمولا در چهارچوب هایی تعریف می شوند که مستعد عدم قطعیت زیادی هستند بطور…

مهندسی عمرانعدم قطعیتمنطق فازی
مقاله کنفرانسی سال ۱۴۰۳ ۵۲۳ مشاهده

بررسی کلی آینده نقش هوش مصنوعی در صنعت برق

بخش انرژی در سراسر جهان با چالش های فزاینده ای از جمله افزایش تقاضا، بهره وری، تغییر الگوهای عرضه و تقاض…

برقهوش مصنوعیاینترنت اشیا
مقاله کنفرانسی سال ۱۴۰۳ ۵۱۲ مشاهده

بررسی روندهای بکارگیری هوش مصنوعی در کشور چین براساس اسناد ده سال اخیر

چین اولین تولیدکننده مقاله در حوزه هوش مصنوعی در دنیا و حائز رتبه دوم بیشترین تعداد ارجاعات مقالات این ح…

هوش مصنوعیچینفناوری های نوظهور