图像风格迁移，即给定内容图片A，风格图片B，能够生成一张具有A图片内容和B图片风格的图片C。当卷积神经网络用于物体识别时，随着网络的层次越来越深，网络层产生的物体特征信息越来越清晰。位于更高层的网络层能够根据物体及其在输入图像中的排列来捕获输入图像的高级内容而不包含具体的像素值信息。因此，我们参考网络模型的高层结构作为图片的内容表示。再使用一个被用来获取纹理特征的特征空间，该特征空间包含了特征图谱空间范围内不同滤波器响应之间的相关性，它能够捕获图片的纹理信息却不包含全局排列。这个特征空间作为图片的风格表示。而一个关键点是图片的内容表示和风格表示在卷积神经网络中是可分离的。也就是说，我们可以独立地操纵这两种表示来产生新的有感知意义上的图片。我们适当地调整内容表示和风格表示的权重比来产生风格迁移的图片。
在这样的背景下，我们利用VGG等卷积神经网络实现对图像特征的提取，完成图像风格迁移的效果。