From 2473d5b58efadc5a964b65589594d973ad1dcc8d Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?=E5=88=98=E5=86=AC=E7=85=9C?= <10185101162@stu.ecnu.edu.cn> Date: Sat, 9 Jan 2021 15:14:32 +0800 Subject: [PATCH] =?UTF-8?q?=E4=BF=AE=E6=94=B9index=E9=A1=B5=E9=9D=A2?= =?UTF-8?q?=EF=BC=8C=E5=AE=8C=E5=96=84=E4=BB=8B=E7=BB=8D?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .../style-transform-master/html/index.html | 916 ++++++++++----------- 1 file changed, 457 insertions(+), 459 deletions(-) diff --git a/style-transform-master/style-transform-master/html/index.html b/style-transform-master/style-transform-master/html/index.html index 1aee43d..24427b8 100644 --- a/style-transform-master/style-transform-master/html/index.html +++ b/style-transform-master/style-transform-master/html/index.html @@ -1,460 +1,458 @@ - - - -
- - - - -不同的美术风格拥有不同的艺术特点,用于表现同一张图片时,情感也有所不同。 - 随着计算机视觉中特征可视化和生成模型的发展,将一张图片以不同风格呈现成为可能。 - 风格迁移模型正是将这一可能变成了现实。
-预训练的卷积神经网络模型,用于实现图片特征提取并衡量损失。
-采用 Content Loss + Style Loss 双误差方法,在风格迁移变换的同时减少对原图的损失。
-前端、层叠样式表、后端的实现。
-- 请选择内容图片、风格图片、训练轮数(不超过2000的正整数)。 -
-Lorem ipsum dolor sit - amet, consectetur adipisicing elit. Quod, nam corporis quas, saepe minima error aperiam - dolorum aliquam, quis deserunt eos eius quisquam odio itaque.
-不同的美术风格拥有不同的艺术特点,用于表现同一张图片时,情感也有所不同。 + 随着计算机视觉中特征可视化和生成模型的发展,将一张图片以不同风格呈现成为可能。 + 风格迁移模型正是将这一可能变成了现实。
+预训练的卷积神经网络模型,用于实现图片特征提取并衡量损失。
+采用 Content Loss + Style Loss 双误差方法,在风格迁移变换的同时减少对原图的损失。
+前端、层叠样式表、后端的实现。
++ 请选择内容图片、风格图片、训练轮数(不超过2000的正整数)。 +
+前端、测试:何雨菁、章可儿
后端:刘冬煜