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

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。

这是基于Pytorch的图片风格迁移教程源码，对其进行了逐句对照解析以便于理解。 详情请搜索博文：【Pytorch代码】神经风格迁移Pytorch教程代码 逐句解析

基于VGG19的图像风格迁移，如果没有vgg-19文件 运行utils代码是会下载。 在styles文件夹中选择更改要迁移的图，包含了风格图片，内容图片替换成自己要进行操作的图片即可。是可以直接运行跑通的。有疑问的话可以留言询问。

tensorflow图像风格迁移代码 tensorflow图像风格迁移代码

包含，CycleGAN的代码，文档以及论文，讲解详细，有需要者不可放过。

深度学习风格迁移(style transfer)，python代码，可直接运行run.py

下载深度学习的VGG19网络参数，有下载地址，VGG19网络参数参数下载放在指定的位置，即可运行

图像风格迁移 matlab实现 含代码、测试图、实验报告

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。