pytorch深度学习图片风格迁移项目源码+资料，代码注解非常详细，适合新手学习。

这是一个使用预训练的VGG19网络完成图片风格迁移的项目，使用的语言为python，框架为tensorflow。 给定一张风格图片A和内容图片B，能够生成具备A图片风格和B图片内容的图片C。

图像风格迁移技术是计算机视觉中的重点技术，传统的图像风格迁移技术采 用手工演算的方式，计算过程复杂，计算时间漫长，图像风格迁移效果不理想。 随着人工智能技术在计算机视觉领域的应用逐步广泛，一些艺术风格神经算法逐 渐产生，可以对自然图像的内容和风格进行分离和重组。利用 VGG-19 神经网络 模型，结合人工智能开源框架 Pytorch 设计快速图像风格迁移算法。实验表明， 采用 VGG-19 神经网络模型的图像风格迁移技术，生成了具有高感知质量的新图 像，将任意照片的内容与众多著名艺术品的外观相结合，展示了其在高级图像合 成和操作方面的潜力

基于深度学习的图像风格迁移研究综述.pdf

基于卷积神经网络图像风格迁移技术应用.docx

Opencv使用Fast Neural Style实现图像风格迁移，Opencv代码实现，Python语言实现

这是根据《python趣味编程：从入门到人工智能》第4单元第35课的python代码改写的julia代码，需要安装OpenCV库。

Numpy wxPython pytorch torchvision PIL Usage: $ python StyleTransferGui.py button: content img:选择内容图片 style img:选择风格图片 Start:启动风格转换程序 Model Choice:选择模型 Preferences->hyper parameter:设置训练超参数

使用VGG19迁移学习实现图像风格迁移 这是一个使用预训练的VGG19网络完成图片风格迁移的项目，使用的语言为python，框架为tensorflow。 给定一张风格图片A和内容图片B，能够生成具备A图片风格和B图片内容的图片C。此项目使用Python2.7+TensorFlow 1.4编写，环境太过古老，可能无法正常运行起来。 1.下载预训练的vgg网络，并放入到项目的根目录中 模型有500M+，故没有放到GitHub上，有需要请自行下载。 下载地址：http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat 2.选定风格图片和内容图片，放入项目根目录下的images文件夹中 在项目根目录下的images文件夹中，有两张图片，分别为content.jpg和style.jpg，即内容图片和风格图片。 如果只是使用默认图片测试模型，这里可以不做任何操作。 如果要测试自定义的图片，请使用自定义的内容图片和/或风格图片替换该目录下的内容图片和/或风格图片，请保持命名与默认一致，或者在se

基于 VGG19 的图像风格迁移源代码