1. 研究目的与意义（文献综述）

1.1 研究目的及意义

图像风格转换是最近新兴起的一种基于深度学习的技术，它的出现一方面是占了卷积神经网络的天时，卷积神经网络所带来的对图像特征的高层特征的抽取使得风格和内容的分离成为了可能。另一方面则可能是作者的灵感，内容的表示是卷积神经网络所擅长，但风格却不是。

近年来，监督与卷积网络学习（cnn）已经看到了巨大的采用计算机视觉应用。相比之下，cnns的无监督学习较少。

2. 研究的基本内容与方案

2.1 目标（开发的系统概况描述）

利用生成对抗网络模型cyclegan/dualgan/discogan实现图像风格转换，包括

（1）深入分析经典生成对抗网络模型及其改进模型的学习和训练过程。

3. 研究计划与安排

(1) 2018/1/14—2018/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

(2) 2018/3/1—2018/4/30：系统架构、程序设计与开发、系统测试与完善；

(3) 2018/5/1—2018/5/25：撰写及修改毕业论文；

4. 参考文献（12篇以上）

[1] bengio, yoshua, ian j. goodfellow, and aaron courville. deep learning [m]. mit press,

2015.https://github.com/hftrader/deeplearningbook/raw/master/deeplearningbook.pdf