10.3969/j.issn.1006-4303.2019.01.016
基于卷积神经网络的图像编辑传播
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.
卷积神经网络、编辑传播、组合卷积、有偏损失函数
47
TP311(计算技术、计算机技术)
浙江省自然科学基金资助项目 LY16A010021, LY16A010019
2019-05-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
86-91