长久以来,绘画艺术对于大多数普通人都是神秘的,古往今来有无数艺术家将毕生精力倾注在绘画作品上,有很多大师都形成了自己的独特绘画风格。随着计算机技术的快速发展,尤其是近几年发展迅猛的深度学习(Deep Learning,DL)技术,使得我们能够使用卷积神经网络(Convolutional Neural Networks,CNN)对各路名家的绘画作品风格加以提取和模仿,甚至使得普通人也能窥探艺术风格的奥秘,从而作出具有大师艺术风格的作品,这种风格渲染技术被称作风格迁移。图像在计算机中的表示是由一个个像素点组成,而这一个个像素点又组成了二维矩阵,随着卷积神经网络的提出,可以采用不同的滤波器对图片像素矩阵进行特征提取,从而得到我们想要的绘画艺术风格纹理。由于深度学习技术对于普通大众的门槛偏高,本文设计并实现了一个基于B/S模式的Web应用程序,用户可以上传自己的图片,在选择风格图片后程序会在后台渲染图片并在完成后将结果返回给用户。本文做的主要工作如下:1.对现有的风格迁移算法进行研究,在深入了解各种风格迁移算法的网络结构和特点之后,选用一种快速风格迁移算法作为系统后台的渲染模块,并基于深度学习框架TensorFlow进行实现,最后给出训练结果。2.采用基于Python的Django框架搭建Web应用程序,后台采用异步加进程池模型,所有请求均无阻塞,支持多用户同时在线渲染,无需排队等待。前端框架采用BootStrap+HTML5+CSS+JQuery,提高对移动设备的支持,使得用户可以通过手机访问并且支持拍照上传照片进行风格渲染,增强艺术风格渲染系统的可用性。