介绍一下我的毕业设计
该图片由Pexels在Pixabay上发布
我已经将近半个月每周只发一篇文章了，一方面是因为最近在忙毕业设计，另一方面就是觉得自己的文章写的有点烂，而且还没多少关注和互动（不知道是不是因为公众号没有留言功能造成的），而且因为能力有限总觉得自己能写的东西太少，所以多少有些懈怠。
不过正值毕业季，我们工科类的学生都要做个毕业设计才能毕业，所以想着既然不知道写什么题材的技术文，不如老老实实的给自己的毕设进行简单的、阶段性的回顾和总结，顺便也可以为学弟学妹们的毕设提供一个简单的思路。废话不多说，开始水文吧。
我的毕设题目是《基于深度学习的图像风格迁移应用的设计与实现》，乍一看是不是觉得很高大上，没错，这种项目的名字就是得高大上，不管最后做成什么样子，逼格一定要有。
其实当初想做这个玩意也是机缘巧合，那天无意中发现了一款有趣的软件叫做"大画家"，只要你用这个app选择一张图片，然后选择相应的风格，比如"达达主义“、”表现主义“等风格就可以生成对应风格的图片（其实这和很多相机的滤镜是差不多的），当时就觉得很有趣，体验完这个app之后就开始查阅了相关资料，后来才知道原来这玩意叫”图像风格迁移“。简单来说就是将一幅内容图A的内容，和一幅风格图B的风格融合在一起，从而生成一张具有B的风格和A的内容的图片。就像下面这样：
乍一看感觉这个玩意的难度挺大的，但是翻阅些资料之后就会发现其实很多论文里面都已经提供了实现的思路和公式，结合着现有的深度学习框架，比如 TensorFlow、PaddlePaddle之类的，复杂的运算都不需要自己去实现，直接套用框架的API即可，复杂度骤然降低。所以个人觉得以这个作为毕设于我而言有以下几个好处：
巩固自己对深度学习的学习
相对于清一色的xx管理系统，这玩意的逼格相对较高
因为处理的是图片而非视频，对GPU的需求并不是非常大
做的人少，后期写论文方便查重。
目前我的想法是将我的毕设分为三个部分：
模型实现（基于TensorFlow）
搭建后台（基于Flask）
前端实现（基于微信小程序）
并且打算以系列文章的方式介绍我在完成毕业设计过程中所使用到的技术、方法等。有兴趣的小伙伴可以关注下。今天这篇就当是开胃前菜，简单的介绍下我的毕设是干嘛的。最后推荐下我翻译的和风格迁移有关的论文：【译】一种有关艺术风格迁移的神经网络算法。因为公众号对 LaTex 的支持实在是太差了，所以干脆放到了别的平台了，有兴趣的小伙伴可以点击底部的阅读原文阅读下。翻译的这篇论文可以说是图像风格迁移的鼻祖，因毕设需要翻译一篇外文文献所以选择了这篇，看完了之后就能大致理解了如何用深度学习去做风格迁移了，当然如有翻译不当或者错误之处还望指出，谢谢🙏
还等什么，赶紧上车！👇