这是杨超越杯编程大赛风格迁移小组的repo，主要用于放置与比赛相关的通知与链接。
本项目是饱和式编程的一个尝试。从羊村长期的理念来讲：个人为主，追星为辅，所以建议大家优先完成自己的工作/任务，再考虑这个项目的内容。后续大家可以继续寻找有哪些可以完成的点，如果有时间+热情的同学，可以选择其中喜欢的项目进行训练/测试，最后再放上去展示。
目前项目整体框架主要分为两个部分：第一部分是图像风格迁移模块，第二部分是基于ONNX.js将模型在浏览器上加载运行。
Open Neural Network Exchange (ONNX) 是一种开放式的文件格式，用于存储训练好的模型，能够使不同人工智能框架能够采用相同的数据存储模型并产生交互。他由微软、亚马逊、Facebook、IBM等公司共同开发。目前官方支持ONNX模型的深度学习框架由：Caffe2，Pytorch，MXNet，ML.NET，TensorRT，CNTK，并且Tensorflow也非官方支持ONNX。因而它能极大程度地兼容不同的框架的使用，从而减少后期的工作量。
而ONNX.js 则是微软基于ONNX开发的一个javascript library，它能够将预训练好的ONNX模型在浏览器中加载并使用。
正式由于ONNX具有上面描述的性质，同时大家使用的框架各有不同，所以这里选择了ONNX.js。
目前已经使用Github Pages搭建了ONNX.js，由于进度问题，目前上面展示的模型暂时是两个分类模型，具体可点击链接查看。
备注：这个部分
本项目风格迁移的形式不限，使用的模型不限，框架不限，大家可以寻找感兴趣的模型进行训练与测试。同时因为最终模型是通过网络传输加载到浏览器的，所以希望大家在能力范围内选择较轻量的backbone模型。
由于最终要求与ONNX.js进行对接，所以最后训练好的模型需要转化为ONNX格式，具体转化方式可以参照官方的tutoral或者相关的网络教程。
备注：目前是否使用ONNX.js处于讨论中，也许会使用tf.js，大家可以先主要进行模型训练，暂时忽略迁移的问题。
目前暂时处于任务组队阶段，组队时间截止到3月16日。
空闲时间相对多的朋友可以进行报名，没有报名的朋友也可以选择喜欢的项目进行训练。大家相互交流学习。
此部分主要放置可选方案的论文以及github链接。
###相关学习链接
建议可以先从资源汇总链接中的review paper开始学习，或者是后面的图像风格迁移三部曲/图像风格迁移简史开始，对整个领域有简单了解再选择感兴趣的内容展开深入学习。
建议可以直接通过github按关键词展开搜索，选择需要的内容即可。下面这几个链接是微信群上提到的，所以在此列出。
-
建议参照框架的官方Tutorial文档，这是最有效的学习资料。
-
基本常见的框架在知乎都有关于如何入门的问题，选择高赞答案提供的某个链接使用即可，例如：
此部分包含已认领任务以及认领人（格式：认领任务+认领人）， 一个任务可以多人认领。
-
关于某个项目的讨论，可以通过微信群或者issue进行。
-
可以通过fork&pull request形式进行贡献。