我們使用了循環一致性生成對抗網絡（ CycleConsistent Generative Adversarial Networks, CycleGAN）實現了將繪畫中的藝術風格遷移到攝影照片中的效果。這種方法從圖像數據集中學習整體風格，進行風格轉換時只要將目標圖片輸入網絡一次，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據集訓練了 CycleGAN 風格遷移模型，并分析了這種方法的優點和局限性。為了使風格轉換后的圖片保留原來的色彩分布，我們實現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了局部風格轉換和混合風格轉換等效果。