文件名称:Colorization.tensorflow:在张量流中使用CNN进行图像着色
文件大小:1.56MB
文件格式:ZIP
更新时间:2024-06-07 11:46:46
tensorflow image-colorization convolutional-networks Python
使用卷积网络进行图像着色 自从我阅读Ryan Dahl关于该主题的文章以来,这就是我一直在努力进行的长期工作。 这个想法是从图像的角度上自动理解图像中的概念,并使用从数据集训练中获得的统计先验知识为它们上色。 最初使用来自tensorflow的flowers数据集对该模型进行了体系结构测试,然后在MIT的上进行了训练。 [观察](#观察) [有用的链接](#useful-links) 结果 模型体系结构的思想与Ryan修改后的“残差自动编码器”模型的思想非常相似。 这样做的目的是使卷积(编码器)具有imagenet模型输出层,然后转置卷积并与池层融合。 与ryan不同,我尝试仅融合较高的合并层,而不希望较低层的层进行颜色预测-认为较高层的层是合成和捕获概念,较低层的层与图像的模态密切相关。 下面是该体系结构的粗略表示。 建筑学: 图片(仅L值) -> 3x3 n64s1-> ReL
【文件预览】:
Colorization.tensorflow-master
----.gitignore(74B)
----read_LaMemDataset.py(2KB)
----README.md(4KB)
----LICENSE(1KB)
----image_colorization.py(8KB)
----__init__.py(23B)
----BatchDatsetReader.py(3KB)
----results()
--------lab_split2.png(116KB)
--------flowers()
--------result2.png(167KB)
--------result3.png(134KB)
--------result4.png(174KB)
--------result1.png(162KB)
--------result6.png(124KB)
--------result7.png(134KB)
--------result5.png(88KB)
--------loss.png(17KB)
--------lab_split1.png(133KB)
----TensorflowUtils.py(10KB)
----read_FlowersDataset.py(3KB)