计算机工程

作者：刘惠临, 方琼, 王燕思, 张顺香, 苏树智

单位：安徽理工大学计算机科学与工程学院, 安徽 淮南 232001

关键词：风格迁移,轻量级,ShuffleNet V2,通道注意力,相似性匹配

基金：国家自然科学基金(52374155); 国家自然科学基金(62102003); 安徽省自然科学基金(2308085MF218); 安徽省智能感知与健康养老工程研究中心2022年度开放课题(2022OPB01)

现有的真实图像风格迁移算法在追求提升图像的真实感和风格化强度的同时, 通常未充分考虑算法模型尺寸和计算效率问题, 因此很难适用于低算力设备。为解决这一问题, 提出一种轻量级真实图像风格迁移算法。使用ShuffleNet V2轻量级网络替代VGG19作为特征提取器, 并引入块式训练和跳跃连接技术, 旨在大幅度减少参数量, 提高图像的风格迁移速度。同时, 为了更好地平衡迁移图像的内容和风格, 设计混洗门控通道注意力机制(SGCAM)和通道对齐策略(CAWCT)。SGCAM将通道混洗和门控机制巧妙结合, 不仅增强了生成图像的真实感, 还进一步保持了算法轻量化的优势。CAWCT通过引入二值化操作对白化后的内容特征和风格特征进行相似性匹配, 显著提升了生成图像的风格化强度。实验结果表明, 所提算法的参数量仅为PhotoWCT2的14.8%, 迁移一张1 000×750像素的图像只需4.22 s, 比PhotoWCT2少0.79 s, 同时生成图像的质量和风格化强度均得到明显提升, 结构相似性(SSIM)和峰值信噪比(PSNR)指标分别提高0.031 dB和0.066 dB, 内容损失(Content loss)、Gram损失(Gram loss)和风格损失(Style loss)指标分别降低0.227、0.138×10-5和0.116。

来源：2026年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第2期