全文总字数：1674字
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，深度学习和人工智能的需求越来越大，目前，照片艺术风格处理已成为热点应用。本课题基于深度学习，要求学习基础的卷积神经网络，并且设计经典的VGGNet-19深度神经网络来实现图像风格迁移。深度学习的开发平台建议使用基于python的tensorflow平台，所设计实现的算法能将多种风格的画作风格迁移到待迁移风格的原图像上，生成新的艺术化图像。
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，其中近5年外文文献不少于3篇，完成开题报告（设计目的意义至少800汉字，基本内容和技术方案至少400汉字）。
(2) 学习基本的卷积神经网络，了解深度神经网络的基本结构。
(3) 设计并训练VGGNet-19深度神经网络，测试数据可采用校园内风景图片与著名油画作品，要求至少选取四种风格的画作进行图像风格迁移，目标是生成逼真的艺术性合成图片。
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4－7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8－10周：完成基于VGGNet-19的图像风格迁移算法的设计。
4. 主要参考文献
[1] GATYS, Leon A.; ECKER, Alexander S.; BETHGE, Matthias. Image styletransfer using convolutional neural networks. In: Proceedings of the IEEEconference on computer vision and pattern recognition. 2016. p. 2414-2423.
[2] YANG, Fu Wen, et al. A study on the convolutional neural algorithmof image style transfer. International Journal of Pattern Recognition andArtificial Intelligence, 2019, 33.05: 1954020.
[3] LIU, Long, et al. Advanced deep learning techniques for image styletransfer: A survey. Signal Processing: Image Communication, 2019, 78: 465-470.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
