摘要：近年来深度学习开始广泛地运用到社会的各个领域中，不仅在相关的技术领域取得了很大的成就，在艺术领域中，基于深度学习的图像风格迁移也引起了高度的关注。

风格迁移是将参考风格图像中的风格迁移到另一个图片上。先指定一幅输入图像作为内容图像；同时指定另一幅作为希望得到的图像风格，算法在保证内容图像的结构的同时，将图像风格进行转换，使得最终输出的合成图像呈现出输入图像内容和风格的完美结合。本文基于深度学习原理，使用一个训练好的前馈网络来进行图像风格迁移，用感知损失函数来代替逐个像素求差后构建的损失函数，然后从提前训练好的网络中提取出图像的高层特征。采用卷积神经网络实现对图像纹理风格的高层表示，并将这种高层表示特征应用在另外一张图像上，最终实现图像风格迁移。

关键词：人工智能；深度学习；卷积神经网络；图像风格迁移

目录

摘要

Abstract

1 绪论-1

1.1 课题背景及研究意义-1

1.2 研究现状-1

1.3 本文研究内容-3

2 深度学习基本原理-4

2.1 深度学习-4

2.2 卷积神经网络-4

2.2.1 感知器-5

2.2.2 卷积层-6

2.2.3 池化-7

2.3 系统开发环境-8

2.3.1 TensorFlow系统与Python语言-8

2.3.2 TensorFlow安装-8

2.3.3 Eclipse中安装pydev插件-9

3 基于深度学习的图像风格迁移-12

3.1 图像风格转换-12

3.1.2 Image Transform Net-13

3.1.3 Loss Network-13

3.1.4 VGG模型-13

3.2 Style和Content的损失计算-15

3.2.1内容损失-15

3.2.2风格损失-15

3.3 风格转换参数配置-17

3.4 内容与风格特征提取-17

4 实验结果分析-19

4.1 训练与测试-19

4.2 实验结果及分析-19

结    论-24

参 考 文 献-25

附录A 程序代码-26

致    谢-45