科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着深度学习的出现，灰度图像自动上色得到了快速的发展，出现了上色效果优秀的基于one-hot编码（独热编码）的方法，避免基于L2损失函数上色效果平淡的问题。本文沿用one-hot编码方法的基础思路，提出了一种卷积网络的灰度图像自动上色方法。该方法对编码器与解码器进行了改进和重新设计，重新设计了神经网络结构。通过使用高斯函数的传统卷积、及减少每一个像素点选取邻近分类的数量，简化了one-hot解码与编码的流程，避免了频繁选取参数，提升了处理图片的速度。通过堆叠不同尺寸的空洞卷积，及添加Dropout等方法构建了一个体积相对较小、速度较快的基于深度学习的灰度图自动上色网络。实验证明了提出的方法图像上色效果良好，并在网络体积、上色效果上有较大的优势。
- 单位
