1. 毕业设计（论文）主要内容：

随着人工智能、大数据的飞速发展以及计算机硬件性能的不断提升，目前，深度学习和在图像处理中的应用越来越广，其中图像风格变换是一个比较新的应用方向。本课题主要研究基于卷积神经网络的图像风格变换技术，将风格图片的“风格”迁移到目标图片中。要求学习基本的卷积神经网络，并且设计经典的卷积神经网络模型来实现风格转换。深度学习的开发平台建议使用基于python的tensorflow平台，至少对五张不同类型的图片进行转换，要求风格迁移明显，耗时不超过三十秒。

2. 毕业设计（论文）主要任务及要求

(1)查阅不少于15篇的相关资料，其中英文文献不少于3篇，完成开题报告。

(2)学习神经网络和卷积神经网络基本知识，了解深度神经网络的基本结构。

(3) 在tensorflow上实现基于cnn的图像风格转换算法，对该算法的设计步骤进行详细说明，并使用该算法对多幅图进行风格转换。

3. 毕业设计（论文）完成任务的计划与安排

(1)第1－3周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理论的基础。确定毕业设计方案，完成开题报告。

(2)第4－5周：掌握卷积神经网络的实现原理，完成英文资料的翻译，熟悉开发环境。

(3)第6－9周：完成卷积神经网络的设计和训练。

4. 主要参考文献

[1] gatys, leon a., alexander s. ecker, and matthias bethge. "a neural algorithm of artistic style." nature communications (2015).

[2] johnson, justin, alexandre alahi, and li feifei. "perceptual losses for real-time style transfer and super-resolution." european conference on computer vision (2016): 694-711.

[3]. gatys l a, ecker a s, bethge m. image style transfer using convolutional neural networks[c]//proceedings of the ieee conference on computer vision and pattern recognition. 2016: 2414-2423.