论文总字数：21480字

摘 要

图像风格迁移是近年来人工智能领域的研究热点之一。通过深度学习技术，可以将一张图片的风格迁移到另一张图像上，使另一张图像展现出不同于原来的效果。

最基本的风格迁移是通过将风格图片与内容图片输入到VGG深度卷积神经网络模型当中，利用接近输出层的卷积层进行内容提取，使用每一个网络块的第一个卷积层做风格对比，从而将一张白噪声图片训练成为目标图片。而在快速风格迁移算法中，添加了一个新的生成网络，使得风格图片的风格能够由该网络所学习，并且通过一次前向传播便将原图片转变为风格迁移后的图片，加快了图片生成的速度，更有利于使用。本文使用了Python语言和Tensorflow框架完成了基本风格迁移程序的实现，并且利用Django框架，将快速风格迁移算法结果利用网页的形式呈现，使用户得到更好的体验。

本文首先介绍了风格迁移的研究背景与现状，然后对深度学习，神经网络以及风格迁移算法进行了介绍，最后介绍了程序的设计与实现并展示了不同风格不同事物的风格迁移效果。

关键词：人工智能；深度学习；风格迁移；VGG；卷积神经网络

Abstract

Image style migration has been one of the research hotspots in the field of artificial intelligence in recent years. Through deep learning techniques, it is possible to migrate the style of one image to another, so that the other image presents a different effect than the original.

The most basic style migration is done by inputting the style and content images into the VGG deep convolutional neural network model, using the convolutional layers close to the output layer for content extraction, and using the first convolutional layer of each network block for style comparison, thus training a white noise image into a target image. And in the fast style migration algorithm, added a new generation network, so that the style of the style image style can be learned by the network, and through a forward propagation of the original image into a style after the migration of the image, accelerating the speed of image generation, more conducive to use. In the thesis, the implementation of the basic style migration program was completed using the Python language and Tensorflow framework, and the results of the fast style migration algorithm were presented in the form of web pages using the Django framework for a better user experience.

In this thesis, the research background and current status of style migration are first introduced, then deep learning, neural networks and style migration algorithms are introduced, and finally the program design and implementation are introduced and the style migration effects of different styles of different things are shown.

Key Words：Artificial intelligence; deep learning; style migration; VGG; convolutional neural networks

目录

第1章 绪论

1.1 研究背景与意义 1

1.2 现状与分析.........................................................................................................................................1

1.3 本文的主要工作与内容 2

1.4 论文章节安排....................................................................................................................................3

第2章 相关技术介绍 4

2.1 卷积神经网络 4

2.1.1 神经网络简介.........................................................................................................4

2.1.2 反向传播 4

2.1.3 卷积神经网络介绍 6

2.2图像风格迁移原理 8

2.2.1 VGG网络模型 8

2.2.2 基本风格迁移算法 9

2.2.3快速风格迁移算法 11

2.3本章小结 12

第3章 基于Python的风格迁移系统设计 13

3.1 相关工具介绍 13

3.1.1 Python简介 13

3.1.2 Tensorflow简介 13

3.1.3 Django简介 14

3.1.4 Pycharm简介 14

3.2 基本风格迁移算法程序设计 14

3.2.1 系统功能....................................................... .......................................................................14

3.2.2 系统流程图...........................................................................................................................15

3.2.3 系统流程介绍......................................................................................................................15

3.3 快速风格迁移算法程序设计 16

3.3.1 系统功能 16

3.3.2 系统流程图 16

3.3.3 程序流程介绍 17

3.4 本章小结 18

第4章 风格迁移效果对比 19

4.1 基本风格迁移程序结果 19

4.2 快速风格迁移程序网页效果 23

4.3 不同风格与不同种类图片迁移对比 25

4.3.1 同一内容不同风格 25

4.3.2 同一风格不同内容 28

4.4 本章小结 34

第5章 总结与展望 35

参考文献 36

致 谢 38

第1章 绪论

1.1 研究背景与意义

随着互联网技术的迅速发展，人工智能领域得到了前所未有的发展机遇，人工智能技术为人们的生活带来了更多的便利，这其中最热门的技术之一就是深度学习。

在深度学习神经网络模型当中，AlexNet、VGGNet等网络在图像识别的比赛中已获得远超传统算法的识别率。由谷歌团队开发的Alpha Go在2016年以4:1的成绩击败当时的棋王李世石。除此之外，深度学习在语音识别、图像识别、自动驾驶、自然语言处理、目标检测、医学检测等方面都有着实际的应用与重要的作用，可见深度学习这项技术的出众。

图像风格迁移是近年来图像领域的研究热点之一。所谓图像风格迁移，就是把一幅图像或者一类图像的画风或者风格转移应用到另一幅图像上，使之变成同一种类的图像，呈现出相同的效果。而风格一般指艺术家们在自己艺术作品上展示出的独有的面貌特性，所以风格迁移代表性的是应用于将著名的画家艺术家的画作风格迁移到自己的或其他的图片上，从而让我们看到同一张图片展现出不同种风格效果，甚至是将艺术风格得到保留与传承。通过利用风格迁移，可以让人们不再需要高超的绘画功底，也不用使用复杂的Photoshop修图便能把图片效果表现的更加完美，更加符合预期。现如今，在深度学习技术的飞速发展过程中，已经可以完成图像风格的迁移，并且取得了非常不错的效果。

请支付后下载全文，论文总字数：21480字