艺术风格转换取得了突飞猛进的发展，但大多数现有方法都存在难以同时高质量保持图像内容和转换风格模式的问题。我们引入了一种新颖的风格转换注意网络（Style-Transition Attention Network, STANet），包含两个关键部分：非对称注意力模块，用于确定参考图像的风格特征；循环结构，用于保存图像内容。具体地说，我们提出了一种新颖的双流架构，以分别对风格和内容图像进行编码。注意力模块无缝集成到编码器中，以生成风格注意表征。将该模块放入不同的卷积阶段，编码器就变成了交错式的，从而促进了从风格流到内容流的分层信息传播。这使得我们的编码器优于传统的双流架构，后者将两个模块独立处理，忽略了它们之间的相互作用。此外，我们提出了一种循环一致损失，可强制网络以整体方式保留内容结构和风格模式。实验结果表明，STANet可以生成更高质量的风格化图像，同时更好地保持内容结构。