迁移学习

图像风格转换

在 Photoshop 提供各种滤镜（风格）对图片进行处理，对照片进行风格化处理，有水彩风格，有马赛克，油画效果。

在训练过程我们使用训练好的模型，并且我们并不会该网络结构，而是不断更新 x，
在内容层就是一个回归问题，其实我们内容层就是一个回归的问题，我们输入就是学到使我们输出
而风格则不同，风格如果也是回归问题，则结果就是两张图片的合成。我们需要风格图的色调、问题和风格比较高层的。

卷积神经网络的应用

因为卷积神经网络

• 图像风格转换
• 图像修复: 这个我们在 photoshop 的，我们同提取特征来完美替换
• 换脸
• 图像翻译
• 文字生成图像

卷积神经网网络学到

• 卷积第一层通常获取色彩信息
• 卷积第二层学习到学多边缘信息，通过输入一些可以加大激活的图片来查看卷积层到底做了什么
• 随后卷积层就可以学到一些比较信息
• 在第五层就可以学习到一些背景信息

卷积神经网络每一层都可以看到图像的抽象表示，众多的分类结果组成抽象表示，
层级越高的抽象