公开(公告)号：CN114581552B

公开(公告)日：2024-11-15

申请号：CN202210252286.7

申请日：2022-03-15

Applicant: 南京邮电大学

Inventor： 于同同 ,  霍智勇 ,  许晶晶 ,  訾润

IPC: G06T11/00 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/084

Abstract: 本发明公开了一种基于生成对抗网络的灰度图像彩色化方法，该方法首先选取COCO图像数据集中的定量彩色图片组，去色处理后制作成训练集，其次构建生成对抗网络架构，使得生成器模型在其中完成预训练，然后对判别模型和经过预训练的生成模型进行交替训练，调整参数，得到训练好的模型，再将测试数据输入模型后可实现灰度图像彩色化。本发明通过对生成器的预训练方法和过程，使得训练方法和数据集优化上拥有极大的提升，能够保证训练质量和最终生成图像的泛化质量的基础上，极大缩短训练时长，具灵活性；且利用U‑Net的思想，在COCO数据集上训练和测试，能极大程度的减少传统方法需要人工干预且难以进行大尺寸图像像素级别的精细上色工作的弊端。

公开(公告)号：CN114581552A

公开(公告)日：2022-06-03

申请号：CN202210252286.7

申请日：2022-03-15

Applicant: 南京邮电大学

Inventor： 于同同 ,  霍智勇 ,  许晶晶 ,  訾润

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于生成对抗网络的灰度图像彩色化方法，该方法首先选取COCO图像数据集中的定量彩色图片组，去色处理后制作成训练集，其次构建生成对抗网络架构，使得生成器模型在其中完成预训练，然后对判别模型和经过预训练的生成模型进行交替训练，调整参数，得到训练好的模型，再将测试数据输入模型后可实现灰度图像彩色化。本发明通过对生成器的预训练方法和过程，使得训练方法和数据集优化上拥有极大的提升，能够保证训练质量和最终生成图像的泛化质量的基础上，极大缩短训练时长，具灵活性；且利用U‑Net的思想，在COCO数据集上训练和测试，能极大程度的减少传统方法需要人工干预且难以进行大尺寸图像像素级别的精细上色工作的弊端。