1. 研究目的与意义（文献综述）
艺术色调风格是作品展示效果与情感表达的重要组成部分。例如，一副雷诺阿(renoir)浓墨重彩绘制的肖像画，一部昆汀(quentin)的充满黑色暴力的电影。著名的艺术家们往往有着自己独特的艺术风格。在美术，尤其是绘画中，人类已经掌握了通过在图像的内容和样式之间进行复杂的相互作用来创造独特的视觉体验技能，但大脑如何实现该过程的方式还是未知的。对于艺术色调风格的理解和分类，以及如何利用对该风格的学习，自动生成具有同样风格的艺术化处理后的图片，是图片作品艺术量化中的重要问题。随着大型数字化艺术作品收藏的出现和深度学习技术的成功应用，以及深度神经网络在对图像特征学习和提取方面取得很好的效果，人工智能和艺术的交汇处出现了新的研究前景。
如今深度学习技术在人工智能领域取得了重大突破。alphago作为第一个击败人类围棋冠军的ai，其主要工作原理便是深度强化学习。在图像识别领域，深度卷积神经网络模型对于图像特征的学习和提取，图像的识别和分类任务具有很强的处理能力。hinton带领他的学生alex设计的一种卷积神经网络alexnet就曾获得了imagenet竞赛的冠军，相对于传统的机器学习分类算法而言有着相当出色的分类效果。
在图像艺术风格特征提取与应用方面，随着深度卷积网络的提出，图像的高层次特征得以有效利用，传统风格化算法的局限性得以消除。gatys l a等开创性地利用深度卷积网络进行风格化任务，从目标艺术风格图像中提取色调、风格等特征。并在纹理合成的基础上通过引入目标内容图像，满足了保持目标语义内容不变同时的风格化任务。但是由于优化需要较长等待时间，因此在实时性方面有一定的局限性。li c和wand m提出了一种离线训练的方式完成风格化任务，基于mrf并通过对抗性训练一个前馈网络来解决效率问题。近几年，斯坦福大学的研究者johnson也发表了一篇论文，提出了一种近实时的艺术风格提取与风格化的方法。
2. 研究的基本内容与方案
2.1 研究（设计）的基本内容
(1) 本课题主要研究对一类具有相同鲜明色调风格的照片，利用深度学习技术建立其色调特征模型。
(2) 基于诸如opencv以及深度学习框架实现与训练模型，并基于该模型实现一个照片色彩渲染程序 （具有类似滤镜功能），能将原始照片转化成类似色调风格的照片。
3. 研究计划与安排
| 序号 | 日期 | 任务 |
| 1 | 2020/1/11—2020/1/22 | 查阅相关文献资料，确定研究方向，明确选题； |
| 2 | 2020/1/23—2020/2/22 | 进一步阅读文献，并分析和总结，确定技术路线； |
| 3 | 2020/2/23—2020/3/7 | 查阅相关文献资料，完成开题报告和5000字以上的英文资料翻译； |
| 4 | 2020/3/8—2020/4/26 | 完成端到端的深度神经网络训练模型的搭建，收集数据构建数据集，进行实验和尝试，并进行模型的改进和优化； |
| 5 | 2020/4/27—2020/5/27 | 实现图片色调风格转换的方法，完成一个支持多种色调风格转换的照片色彩渲染程序。完成并修改毕业论文； |
| 6 | 2020/5/28—2020/6/7 | 准备论文答辩。 |
4. 参考文献（12篇以上）
[1]adrian lecoutre, benjaminnegrevergne, florian yger. recognizing art style automatically in painting withdeep learning.proceedings of machine learning research 77:327–342, 2017
[2]bar y, levy n, wolf l.classification of artistic styles using binarized features derived from a deepneural network[j]. 2015.
[3]cetinic, lipic e, grgic t, et al. adeep learning perspective on beauty, sentiment, and remembrance of art[j]. ieeeaccess 7, 2019.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
