CycleGAN本质上是两个镜像对称的GAN，构成了一个环形网络。只要理解了其一半即单向GAN就便于理解整个CycleGAN的网络了。这是一个CycleGAN相关的项目

使用CycleGAN进行图像域转换：用于图像域转换的深度学习的MATLAB示例

cyclegan图像转换压缩包，橘子苹果数据集及相关项目代码，可直接运行。

包含，CycleGAN的代码，文档以及论文，讲解详细，有需要者不可放过。

cyclegan预训练模型,拿到测试集即可进行cyclegan的风格转换

我们使用了循环一致性生成对抗网络（ CycleConsistent Generative Adversarial Networks, CycleGAN）实现了将绘画中的艺术风格迁移到摄影照片中的效果。这种方法从图像数据集中学习整体风格，进行风格转换时只要将目标图片输入网络一次，不需要迭代的过程，因此速度较快。我们使用了一些自己制作的数据集训练了 CycleGAN 风格迁移模型，并分析了这种方法的优点和局限性。为了使风格转换后的图片保留原来的色彩分布，我们实现并分析对比了多种颜色匹配的方法。我们还利用了 Mask R-CNN 模型生成的掩膜图像来做图像运算而实现了局部风格转换和混合风格转换等效果。