1. 毕业设计（论文）的内容和要求

近年来，由深度学习所引领的人工智能技术浪潮，开始越来越广泛地应用到社会各个这其中，人工智能与艺术的交叉碰撞，不仅在相关的技术领域和艺术领域引起了高度关注。

以相关技术为基础而开发的各种图像处理软件和滤镜应用更是一推出就立刻吸引了海量用户，风靡一时。

在这各种神奇的背后，最核心的就是基于深度学习的图像风格迁移(style transfer)。

2. 参考文献

[1] 窦亚玲, 周武彬, 季人煌. 基于卷积神经网络的图像风格迁移技术[J]. 现代计算机, 2018, (30):47-51，60. [2] Gatys, Leon A.;Ecker, Alexander S.;Bethge M. Image Style Transfer Using Convolutional Neural Networks[J]. 2016 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), 2016, ( ):2414-2423. [3] 丁晓龙. 基于深度学习的图像风格迁移技术的前沿进展[J]. 电子制作, 2018, (18):86-87，93. [4] 钱小燕, 肖亮, 吴慧中. 快速风格迁移[J]. 计算机工程, 2006, (21):15-17 46. [5] 陈淑環, 韦玉科, 徐乐等. 基于深度学习的图像风格迁移研究综述[J]. 计算机应用研究, 2019, (8) [6] 徐文华， 魏宝钢． 基于纹理合成的图像艺术风格学习#8230;． 武汉大 学学报． 2003, 36(3): 115-119 [7] 黄建茂. 卷积神经网络的风格迁移算法在场景处理中的应用[J]. 宜宾学院学报, 2018, (12):1-5. [8] 常亮, 邓小明, 周明全等. 图像理解中的卷积神经网络[J]. 自动化学报, 2016, 第42卷(9):1300-1312. [9] 韩晓冬, 王浩森, 王硕等. Python在图像处理中的应用[J]. 北京测绘, 2018, 第32卷(3):312-317. [10]LA Gatys ; AS Ecker ; M Bethge. A Neural Algorithm of Artistic Style[J]. 《Computer Science》 , arXiv:1508.06576v2 [cs.CV] 2 Sep 2015. [11]霍璐. 基于卷积神经网络的图像检索[J]. 计算机时代, 2018, (1):63-65. [12] 蔡兴泉, 郭天航. 面向手机应用的图像色彩风格迁移系统设计与实现[J]. 信息通信, 2016, (6):139-140. [13] Leon A. Gatys;Alexander S. Ecker;Matthias Bethge. Texture synthesis and the controlled generation of natural stimuli using convolutional neural networks[J]. Quantitative Biology, 2015, ( ) [14] 柯研, 王希龙, 郑钰辉. 卷积神经网络图像处理[J]. 电子技术与软件工程, 2018, (22):72-73. [15] Justin Johnson;Alexandre Alahi;Li Fei-Fei. Perceptual Losses for Real-Time Style Transfer and Super-Resolution[J]. Computer Vision #8211; ECCV 2016, 2016, Vol.9906:694-711.

3. 毕业设计（论文）进程安排

起讫日期 设计（论文）各阶段工作内容 备 注 2018.1.8-1.10 确定题目 2018.1.11-1.31 查阅参考文献，了解课题要求，完成开题报告 2018.3.1-3.15 完成系统的相关理论知识学习 2018.3.16-3.25 完成系统的基本模型以及设计方案 2018.3.26-4.15 完成系统的详细设计 2018.4.16-5.1 初步完成整个系统的设计 2018.5.2-5.5 撰写软件使用说明书 2018.5.6-5.21 撰写论文，并通过电子邮件发给指导老师审核 完成英文翻译 2018.5.22-5.27 按指导老师意见修改论文并定稿打印装订 递交论文和英文翻译 2018.5.28-6.15 准备毕业论文的答辩,包括答辩演示文稿等