机器学习笔记 - 基于CNN+OpenCV的图像着色

一、论文简读

1、概述

        在 ECCV 2016 中，Richard Zhang、Phillip Isola 和 Alexei A. Efros 发表了一篇题为“彩色图像着色”的论文，其中他们提出了一种用于对灰色图像进行着色的卷积神经网络。他们使用 ImageNet 训练集中的 130 万张图像训练网络。作者还公开了一个经过训练的基于 Caffe 的模型。

        目标不是恢复实际的地面真实颜色，而是产生可能欺骗人类观察者的合理着色，对灰度图像的语义和纹理及其颜色版本之间的统计依赖关系进行足够多的建模，以产生视觉上引人注目的结果。

        给定亮度通道 L，在CIE Lab颜色空间中预测图像对应的 a 和 b 颜色通道。用作训练示例，将图像的 L 通道作为输入，将其 ab 通道作为监督信号。预测每个像素的可能颜色分布。此外在训练时重新加权损失以强调稀有颜色。这鼓励我们的模型充分利用大规模数据的多样性。 最后通过退火-分布的均值。 最终结果是色彩更加鲜艳并且比以前的方法在感知上更真实。

   &nbs