一些建筑设计网站,建手机网站一年费用,怎么用ftp修改网站,天猫运营培训点击上方“算法猿的成长“#xff0c;关注公众号#xff0c;选择加“星标“或“置顶”总第 140 篇文章#xff0c;本文大约 1500 字#xff0c;阅读大约需要 5 分钟今天要介绍的是一个 Github 项目#xff0c;项目地址如下#xff0c;它实现了对线稿的自动上色功能#… 点击上方“算法猿的成长“关注公众号选择加“星标“或“置顶”总第 140 篇文章本文大约 1500 字阅读大约需要 5 分钟今天要介绍的是一个 Github 项目项目地址如下它实现了对线稿的自动上色功能效果还是很不错的一起来看看吧。https://github.com/SerialLain3170/Colorization简介本项目主要实现了自动将线稿转成彩色图片的功能。当然我们可以只训练处理线稿的神经网络但实际应用中我们需要提前用指定颜色给线稿上色的功能。实现上色的方法有很多包括给定提示hint。不带提示没有提示的上色方法输入仅线稿Atari带有提示的上色方法提示一般是在特定区域所需颜色的线条比如 PaintsChainer输入线稿和 atari标签提示是标签的上色方法输入线稿和标签参照物采用参照图片作为提示的上色方法比如 style2paints V1输入线稿和参考图片线提取方法在线提取方法有很多改进版方法比如 **XDoG **或者 SketchKeras。但是如果仅仅在一种类型的线稿上训练模型模型会对这种类型的线稿过拟合从而无法对其他类型的线稿实现自动上色功能。因此和 Tag2Pix 一样这里使用多种不同的线稿作为训练数据进行网络的训练。使用的是下面三种类型的线XDoG使用两个高斯分布的差异到标准差进行线提取SketchKeras采用 UNet 进行线提取。通过这种方法提取得到的线会类似铅笔素描Sketch简化版通过全卷积网络继续线提取。这种方法得到的类似数字素描。下面展示了上述三种方法的提取结果此外我还考虑三种对于线稿的数据增强方法防止出现过拟合。增加强度随机形态学变换处理不同宽度的线条随机选择 RGB 数值来处理不同深度的线条不带提示的实验动机首先我需要确认基于神经网络的方法可以在没有提示的情况下精确且多样化的进行上色。困难点主要是从线条到彩色图像的映射因为颜色存在变化。因此没有提示的情况下我认为神经网络最终只学会在任意一个区域都只会上单一的一种颜色。为了避免陷入局部最小值除了内容损失我还加入了对抗损失因为对抗学习训练神经网络进行上色可以更精确匹配数据的分布。方法pix2pixpix2pix-gp(pix2pix 加上中心对称的梯度惩罚)pix2pixHD结果pix2pixpix2pix-gppix2pixHD采用 atari 的实验动机观察上述结果发现即便加入了对抗损失神经网络似乎还是陷入了局部最小值。虽然存在不同程度的颜色变化但是神经网络还是只学会了在任意区域对单一字符上单一的颜色。没有提示的情况下很难训练将线条映射到彩色图片因此我决定加入提示即 atari一起作为网络的输入ps. 如下图所示就是在原来线稿基础上对特定区域加上指定颜色的线条提示网络这部分区域需要上的颜色。方法加入了提示结果采用参考图片的实验动机我还考虑过用参考图片作为提示输入神经网络中。首先我尝试实现了 style2paints V1. 但由于训练会出现崩塌的情况我很难复现原始的实验结果。因此我决定要寻找一个 style2paints V1 的替代方法。方法style2paints结果视频上色实验结果最后再次给出项目的地址https://github.com/SerialLain3170/Colorization或者点击文章底部的“阅读原文”直接跳转到 github 精选AI文章1. 2020年计算机视觉学习指南2. 是选择Keras还是PyTorch开始你的深度学习之旅呢3. 编写高效的PyTorch代码技巧上4. 编写高效的PyTorch代码技巧下5. 深度学习算法简要综述(上)6. 深度学习算法简要综述(下)7. 10个实用的机器学习建议8. 实战|手把手教你训练一个基于Keras的多标签图像分类器精选python文章1. python数据模型2. python版代码整洁之道3. 快速入门 Jupyter notebook4. Jupyter 进阶教程5. 10个高效的pandas技巧精选教程资源文章1. [资源分享] TensorFlow 官方中文版教程来了2. [资源]推荐一些Python书籍和教程入门和进阶的都有3. [Github项目推荐] 推荐三个助你更好利用Github的工具4. Github上的各大高校资料以及国外公开课视频5. GitHub上有哪些比较好的计算机视觉/机器视觉的项目欢迎关注我的微信公众号--算法猿的成长或者扫描下方的二维码大家一起交流学习和进步 如果觉得不错在看、转发就是对小编的一个支持
