我們使用了循環(huán)一致性生成對抗網(wǎng)絡（ CycleConsistent Generative Adversarial Networks, CycleGAN）實現(xiàn)了將繪畫中的藝術(shù)風格遷移到攝影照片中的效果。這種方法從圖像數(shù)據(jù)集中學習整體風格，進行風格轉(zhuǎn)換時只要將目標圖片輸入網(wǎng)絡一次，不需要迭代的過程，因此速度較快。我們使用了一些自己制作的數(shù)據(jù)集訓練了 CycleGAN 風格遷移模型，并分析了這種方法的優(yōu)點和局限性。為了使風格轉(zhuǎn)換后的圖片保留原來的色彩分布，我們實現(xiàn)并分析對比了多種顏色匹配的方法。我們還利用了 Mask R-CNN 模型生成的掩膜圖像來做圖像運算而實現(xiàn)了局部風格轉(zhuǎn)換和混合風格轉(zhuǎn)換等效果。