1. 毕业设计（论文）主要目标：
使用深度学习算法，基于GAN（生成式对抗网络），运用近年来新兴的cycleGAN和cartoonGAN算法，使用TensorFlow框架，实现对一段小视频先提取关键帧，再进行漫画风格迁移，最终转化为不同风格的（如宫崎骏、新海诚、细田守等）漫画的功能。本设计采用深度学习，拟实现的漫画细节参数要优于其他视频转漫画的方式。
2. 毕业设计（论文）主要内容：
该设计主要实现对一段小视频先提取关键帧，再进行风格迁移，最终转化为漫画的功能。步骤如下：
1. 拍摄或从网络上选取一段小视频。
2. 提取视频关键帧：运用GIST 描述符提取每个图像的 GIST 特征，依图像在视频中的次序组成一个 GIST 特征向量矩阵，然后应用类稀疏模型对得到的 GIST 特征向量矩阵进行分析，提取出一个局部关键视频帧序列，然后通过计算局部关键帧序列的 hsv 距离，初步提取出关键帧。
3. 主要参考文献
[1]丁晓龙.基于深度学习的图像风格迁移技术的前沿进展[J].电子制作,2018, (18):86-87,93.[2]栾五洋. 基于深度学习的图像风格转换浅论[J]. 数字通信世界,2018,(2):248-249.[3]曹志义,牛少彰,张继威. 基于半监督学习生成对抗网络的人脸还原算法研究[J]. 电子与信息学报,2018,40(2):323-330.[4] BARNES, C, SHECHTMAN, E, FINKELSTEIN, A,et al. PatchMatch: A Randomized Correspondence Algorithm for Structural Image Editing[J]. ACM Transactions on Graphics,2009,3(3):24:1-24:11.[5]西安财经学院. 基于深度学习的图像风格迁移方法及其系统[P]. 2018-05-01.[6] 彭骋. 基于深度学习的图像检索系统[J]. 通讯世界,2018,(6):258-259.[7] 辛晨. 基于深度学习的图像分类及应用研究[D]. 中国科学院大学,2017.[8] 赵威. 基于迁移学习的小样本深度学习研究[D]. 广东工业大学,2017.[9] 曹仰杰 贾丽丽 陈永霞 林楠 李学相.生成式对抗网络及其计算机视觉应用研究综述[J].中国图象图形学报,2018, 23(10):1433-1449.[10]林懿伦,戴星原,李力,王晓,王飞跃. 人工智能研究的新前线:生成式对抗网络[J]. 自动化学报,2018,44(5):775-792[11]河海大学. 一种基于生成式对抗网络的图像风格迁移方法[P]. 2018-05-15.[12]D. LU, Q. WENG. A survey of image classification methods and techniques for improving classification performance[D]. 2007.
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。
