基于像素级生成对抗网络的复杂场景灰度图像彩色化
针对当前基于深度学习的彩色化模型在面对具有多个目标的复杂场景时存在的误着色问题,提出一种基于像素级生成对抗网络的彩色化模型.该模型在生成网络中采用全卷积网络模型处理不定尺度的输入灰度图像,并加入与真实彩色分量间的L1损失作为彩色化优化目标;在判别网络中,采用语义分割网络计算像素级Softmax损失,反向传递优化彩色化生成网络.在Pascal Segmentation及ILSVRC2012数据集上进行的彩色化图像质量比较,实验结果表明,与同类模型相比,本文模型在处理复杂场景灰度图像的彩色化任务中具有更高的着色准确率,并且对不同目标之间具有更好的区分度.
图像彩色化、生成对抗网络、全卷积网络、复杂场景
31
TP391.41(计算技术、计算机技术)
国家自然科学基金61401281,61806126
2019-04-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
439-446