🎨 AI 画风迁移器 (StyleTransferAI)

一个新颖、轻量级的Python项目，旨在通过神经风格迁移算法，实现快速有趣的艺术风格转换效果。

🚀 快速开始

1.项目介绍

2. 创建虚拟环境并安装依赖

   python -m venv venv
   source venv/bin/activate  # Linux/Mac
   # venv\Scripts\activate   # Windows
   pip install -r requirements.txt
   

3. 准备图像
   在 data/raw/ 目录下放置你的内容图 (content.jpg) 和风格图 (style.jpg)。

4. 运行程序

   python scripts/run_style_transfer.py
   

5. 查看结果
   结果将保存在 data/processed/result_时间戳.jpg。

💡 项目特点

• 高质量风格迁移: 基于VGG16深度学习模型，生成高质量艺术效果。
• 速度快: CPU优化，无需GPU即可快速运行。
• 可视化监控: 实时显示训练损失，生成详细损失曲线图。
• 高度可定制: 修改 configs/default.yaml 或核心代码即可调整风格迁移效果。
• 多模式训练: 提供快速、扩展、高级三种训练模式。

📂 项目结构

style_transfer_ai/
│
├── configs/                     # 配置文件目录
│   └── default.yaml             # 默认超参数配置（学习率、迭代次数、权重等）
│
├── data/                        # 数据目录
│   ├── raw/                     # 原始输入图像
│   │   ├── content.jpg          # 内容图像（用户自定义）
│   │   └── style.jpg            # 风格图像（用户自定义）
│   └── processed/               # 输出结果目录（自动生成）
│       └── result_20251202_2227.jpg  # 示例输出（带时间戳）
│
├── models/                      # 模型相关代码
│   └── vgg16_extractor.py       # VGG16特征提取器封装
│
├── scripts/                     # 可执行脚本
│   └── run_style_transfer.py    # 主程序入口
│
├── src/                         # 核心源代码
│   ├── style_transfer.py        # 风格迁移核心算法实现
│   ├── loss.py                  # 内容损失、风格损失计算
│   ├── utils.py                 # 图像预处理、后处理、可视化工具
│   └── trainer.py               # 训练循环与优化器管理
│
├── outputs/                     # 日志与可视化输出
│   └── loss_curve_*.png         # 损失变化曲线图（按运行时间命名）
│
├── requirements.txt             # Python依赖列表
├── README.md                    # 项目说明文档（即本文件）
└── .gitignore                   # Git忽略规则