1. 毕业设计（论文）主要内容：

目标简介：

本课题以深度学习为基础，探讨利用机器实现图像艺术风格的迁移。图像风格迁移算法可以解决如下问题：指定一幅输入图像作为基础图像，也被称做内容图像；同时指定另一幅或多幅图像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。其中，图像的风格可以是某一艺术家的作品、也可以是由个人拍摄的图像所呈现出来的风格。

对基于图像迭代的描述性神经方法、基于 mmd 的描述性神经方法、基于 mrf 的描述性神经方法、基于模型迭代的生成式神经方法等进行对比。主要研究的是神经风格迁移中如何突破速度、灵活性、质量三者的权衡。

2. 毕业设计（论文）主要任务及要求

1、 查阅15篇相关文献（含近五年外文3篇），并每篇书写200—300字文献摘要（装订成册，带封面）；

2、 认真填写周记，完成800字开题报告；

3、 完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）；

3. 毕业设计（论文）完成任务的计划与安排

1、2018/1/14—2018/3/5：确定选题，查阅文献，外文翻译和撰写开题报告；

2、2018/3/6—2018/4/30：系统架构、程序设计与开发、系统测试与完；

3、2018/5/1—2018/5/25：撰写及修改毕业论文；

4. 主要参考文献

[1] fujunluan, sylvain paris, eli shechtman, kavita bala: deep photo style transfer arxiv:1703.07511v3[cs.cv] 11 apr 2017

[2] styleleona. gatys, alexander s. ecker, matthias bethge: a neural algorithm of artistic arxiv:1508.06576v2[cs.cv] 2 sep 2015

[3] l.-c. chen, g. papandreou, i. kokkinos,k. murphy, and a. l.yuille. deeplab: semantic image segmentation with deep convolutionalnets, atrous convolution, and fully connected crfs. arxiv preprintarxiv:1606.00915, 2016. 2, 4, 5