基于卷积神经网络的图像编辑传播

摘要：

对于单幅图像进行编辑传播的问题, 引入组合卷积来代替传统的卷积, 用以提取更加有效的特征.组合卷积由可变形卷积和可分离卷积组成, 通过这个结构可以增强模型的泛化能力, 并且减少模型的参数量和卷积的操作数.同时引入对错分的背景类进行加权的有偏损失函数, 以防止与背景类相似度较高的像素点被误着色而造成颜色溢出.实验结果表明:使用组合卷积和有偏损失函数构建的双分支的卷积神经网络模型, 可以实现单幅图像的有效上色, 并且能够改善颜色溢出的情况.

关键词：卷积神经网络、编辑传播、组合卷积、有偏损失函数

所属期刊栏目：47

分类号：TP311(计算技术、计算机技术)

资助基金：浙江省自然科学基金资助项目 LY16A010021, LY16A010019

在线出版日期：2019-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：86-91