图像风格转换，输入原图+风格图，可以生成新的图片。主网络可以选择使用vgg16、vgg11、vgg13、vgg19，之前用过残差网络，发现效果不好。

本文实例讲述了Python通过VGG16模型实现图像风格转换操作。分享给大家供大家参考，具体如下： 1、图像的风格转化 卷积网络每一层的激活值可以看作一个分类器，多个分类器组成了图像在这一层的抽象表示，而且层数越深，越抽象 内容特征：图片中存在的具体元素，图像输入到CNN后在某一层的激活值 风格特征：绘制图片元素的风格，各个内容之间的共性，图像在CNN网络某一层激活值之间的关联 风格转换：在一幅图片内容特征的基础上添加另一幅图片的风格特征从而生成一幅新的图片。在卷积模型训练中，通过输入固定的图片来调整网络的参数从而达到利用图片训练网络的目的。而在生成特定风格图片时，固定已有的网络参数不变，调整

主要介绍了Python通过VGG16模型实现图像风格转换操作,结合实例形式详细分析了Python使用VGG16模型实现图像风格转换的具体原理、操作步骤与实现方法,需要的朋友可以参考下

包括tensorflow官方训练的四个模型和官方编译的库文件：物体识别、多重行人检测、图像风格转换、语音识别、libtensorflow_inference.so库文件和libandroid_tensorflow_inference_java.jar库文件包含jdk7版本和jdk8版本，我的项目用jdk8报错，因为我环境低，换了jdk7的就好了，所以这里给大家都提供下，各取所需吧。

图像风格迁移模型（含imagenet-vgg-verydeep-19.mat模型和代码），基于tensorflow1.14，实测可用。

将图像转换成蒙太奇风格, 需要另外自行准备目标图像和素材

这是基于VGG19网络的一个图像风格转换，需要下载VGG19的权重文件，拷入到工程目录下即可，代码直接运行就能跑。