图像风格迁移预训练模型 GAN生成对抗网络图像风格迁移

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。

文件是我本学期人工智能前沿的作业,用深度学习的方法实现输入一张风格图(比如梵高系列名画)和一张自己的任意照片,输出得到含有风格图的style和自己照片content的图。

目前大多数的图像风格迁移方法属于有监督学习，训练数据需要成对出现，并且在处理图像背景时，现有的方法过于繁琐。针对这些问题，提出了一种基于图像蒙板的无监督图像风格迁移方法。在实验中，采用了基于循环一致性的CycleGAN架构，并使用Inception-ResNet结构设计了一个全新的具有内置图像蒙板的生成式模型，最后通过无监督学习将图像的背景与学习到的抽象特征进行自动重组。实验表明，新方法有效地对图像背景和抽象特征进行自动分离与重组，同时解决了特征学习过程中的区域干扰问题，获得了可观的视觉效果。

基于神经网络捏脸 推论 1. Unity-2019.2.1f1 2. python-3.5 3. dlib-19.18 4. numpy-1.15.4 5. torch-1.1.0 6. opencv-contrib-python 3.4.0.12 7. tqdm-4.23.4 8. argparse-1.4.0 9. scipy-1.0.1 10. tensorboardX 论文 网易的研究者提出了一种游戏角色自动创建方法，利用面对面的转换快速创建游戏角色，用户还可以自行基于模型结果再次进行修改，直到得到自己满意的人物。此项目按照里的描述建立。 引擎预览 ：Unity，点击

图像风格迁移源代码，jupyter文件有注释，附带VGG16。基于keras进行了实现。 程序中使用到了VGG16的预训练模型vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5（已放入zip包），第一次调用会自动下载，如果下载慢，就用zip包中的，放到C:\Users\用户\.keras\models目录下，就可以使用。

使用Tensorflow2.0实现神经风格迁移，详细代码介绍可以参考我的博文：https://blog.csdn.net/qq_36758914/article/details/104799358

基于tensorflow的神经网络风格迁移得到的输出图像结果

基于tensorflow的神经网络风格迁移得到的输出图像结果

基于tensorflow的神经网络风格迁移输出图像