深度学习是无疑是当今最具有吸引力的研究方向之一。而在人工智能领域内大量的各式研究与应用场景中,基于深度学习网络实现的方法往往都有着出色的表现。其中,基于卷积神经网络的图像识别技术无疑是具有代表性的。而图像画风转变作为一个新兴的问题,它应当同样可以利用深度学习网络的到良好的解决。本文的主要研究工作可分为以下两个方面:(1)受到基于卷积神经网络的图像识别的启发,给出并实现了一个基于训练用于图像识别的卷积神经网络实现图像画风转变的方法:该网络首先被用于通过特征提取分离图像的内容信息与画风信息。接下来我们定义了一个损失函数的,该网络能够将利用某种优化算法最小化损失函数,从而将取自不同图像的内容信息与画风信息合而为一,生成一个全新的图像。而这个图像即为画风转变后的结果图像。(2)针对上述方法进行优化与改进:我们首先解决了在上述方法中会出现的特征层次选择与特征比例参数设定问题。然后通过为网络中加入一个残余卷积网络以及新定义损失函数的方式给出一个可视为上述方法改进版本的新方法。从而极大的提升图像画风转变的效率,实现了快速图像画风转变。