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

基于图像处理和VGG19实现的指静脉识别系统python源码+GUI界面+项目使用说明.zip 【代码说明】 源代码在finger.py 根据源代码生成的可执行文件为finger.exe，可直接运行 编译源代码所需Python环境为3.7，其他库在requirements.txt 【使用说明】 可直接运行finger.exe 参数说明 单人手指图片个数：训练集中一根手指录入的图片数，本例子设为7，因为训练集中总共21张图片，每根手指7张图片，总共三根手指。 随机选取的图片测试个数：识别时，在训练集中随机选取的与待识别图片比对的图片数，取值范围应为[1~7]之间，若取5，意义则为从每根手指的7张图片随机选取5张与待识别的图片进行5次比对，求得相似度平均值。 训练集图片文件夹：训练集图片所在文件夹，训练完毕后会在该文件夹下生成trained文件夹，存储处理完成后的图片，本例子为HighGuardFinger。 待识别图片文件夹：待识别的图片文件夹，本例子选取了7张图片为训练集，剩下的第8张图片作为测试图片，文件夹在HighGuardTest。 首次运行识别时，会下载VGG16的预训练模

毕设项目 基于VGG19网络实现5类水果识别系统源码+数据集+模型+项目操作说明 主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

megengine框架的图像分类VGG19模型(ImageNet)

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

vgg19-dcbb9e9d.pth

基于 VGG19 的图像风格迁移源代码

智能计算系统实验3-1-基于 VGG19 实现图像分类

智能计算系统实验4-1-基于 VGG19 实现图像分类