全文总字数：3558字

1. 研究目的与意义及国内外研究现状

目的：

1.掌握神经网络算法的原理和运用；

2.了解、学习生成对抗网络（gan）的基本原理，掌握gan生成对抗网络分类特点和作用；3.学习gan对抗生成网络在图片风格转移方面的研究；4.运用gan对抗生成网络进行人脸风格转移生成漫画人脸；意义：对于漫画风格和绘画技巧，漫画师本人也无法能够清楚描述自己的绘画技巧，也更难用数学公式或机器语言对其进行描述，这给计算机生成人脸漫画带来极大挑战。但是随着深度学习的发展，gan对抗生成网络的在无监督学习中有着非常好的前景，在gan对抗生成网络进行一定量的学习之后，生成的漫画模型对于图片进行ai多样漫画风格变化能够有着堪比漫画手绘师的效果，便于普通用户创作漫画人脸，因此本课题研究有一定的研究意义和实际应用价值。

国内外研究现状

近年来，随着数字媒体的快速发展，人脸漫画逐渐成为流行文化中的内容之一，但是绘制漫画需要人们长期的训练，才能获得生动、个性的漫画。现在以艺术方式对图片进行处理现在已经成为热门方向。在本文研究内容中用机器生成漫画人脸过程中，其实就是属于异质人脸图像生成过程，所谓异质人脸图像就是不同方式，不同来源获得的不同质量的人脸图像。

2. 研究的基本内容

研究内容：针对深度学习的风格迁移应用方面，研究漫画人脸生成的一般方法，提出一种基于对抗生成网络的漫画生成算法，实现了更具艺术风格的漫画人脸生成。

主要包括：（1） 掌握gan的基本原理和使用方法。掌握几种异质人脸图像的生成方法；（2） 设计一种漫画人脸生成的生成对抗网络，进行训练和优化；（3） 将几种漫画人脸生成算法进行比较，比较算法的效率和漫画生成艺术效果。

3. 实施方案、进度安排及预期效果

实施方案：通过研究相关资料，了解深度学习与风格迁移的基本原理及研究背景，再基于对抗生成网络进行漫画人脸生成的研究。

针对出现的问题深入研究，积极探索，最终完成本次毕业论文。

进度安排：2月23日-3月10日查阅论文所需的相关资料，积累预备知识，进行外文翻译3月16日-4月1日掌握传统的基于深度学习的风格迁移4月1日-4月15日完成基于对抗生成网络的漫画生成的设计4月15日-4月26日完成论文的最终撰写，准备答辩

4. 参考文献

[1] goodfellow i j, pouget-abadie j, mirza m, xu b, wardefarley d, ozair s, courville a, bengio y. generative adversarial nets. in: proceedings of the 27th international conference on neural information processing systems.montreal, canada: acm, 2014. 2672-2680

[2] zhu, jun-yan，park, taesung，isola. unpaired image-to-image translation using cycle-consistent adversarial networks. in iccv.2017.244

[3] lecun y，bengio y，hinton g .deep learning. nature14539 2015