The embodiment of the present invention provides an image coloring method and device based on the generated countermeasure network, which includes: input the image to be colored into the image coloring model based on the generated countermeasure network to obtain the color image output from the image coloring model based on the generated countermeasure network; and the image coloring model based on the generated countermeasure network is based on the image to be colored. The image samples and corresponding color image samples are obtained after training. The method and device of image coloring based on generating confrontation network provided by the embodiment of the present invention can quickly obtain a repair and coloring model suitable for all types of images by utilizing training data with strong generality and end-to-end learning method, which is more general and has a wider application range.
【技术实现步骤摘要】
基于生成对抗网络的图像上色方法及装置
本专利技术实施例涉及图像处理
,更具体地,涉及一种基于生成对抗网络的图像上色方法及装置。
技术介绍
现如今的图像上色方法几乎都是传统的数字图像处理方法,即获取图片的数字图像数据,将所述数字图像数据中具有相同特征的数字序列提取出来,将这些数字序列及其各自对应的全部图像元素组成映射集合,提取当前待上色的图像元素的数字序列,找到对应的色彩,然后上色。传统的上色方法都是需要提取构建映射集合的特征,在不同域的图像上迁移能力较差,适应性较差。
技术实现思路
本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的基于生成对抗网络的图像上色方法及装置。第一方面,本专利技术实施例提供一种基于生成对抗网络的图像上色方法,包括:将待上色图像输入至基于生成对抗网络的图像上色模型中,获取所述基于生成对抗网络的图像上色模型输出的彩色图像;其中,所述基于生成对抗网络的图像上色模型是基于待上色图像样本和对应的彩色图像样本进行训练后获得的。第二方面,本专利技术实施例提供一种基于生成对抗网络的图像上色装置,包括:图像上色模块,用于将待上色图像输入至基于生成对抗网络的图像上色模型中,获取所述基于生成对抗网络的图像上色模型输出的彩色图像;其中,所述基于生成对抗网络的图像上色模型是基于待上色图像样本和对应的彩色图像样本进行训练后获得的。第三方面,本专利技术实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所提供的基于生成对抗网络的图像上色方法的步骤。第四方面,本专利技术实 ...
【技术保护点】
1.一种基于生成对抗网络的图像上色方法,其特征在于,包括:将待上色图像输入至基于生成对抗网络的图像上色模型中,获取所述基于生成对抗网络的图像上色模型输出的彩色图像;其中,所述基于生成对抗网络的图像上色模型是基于待上色图像样本和对应的彩色图像样本进行训练后获得的。
【技术特征摘要】
1.一种基于生成对抗网络的图像上色方法,其特征在于,包括:将待上色图像输入至基于生成对抗网络的图像上色模型中,获取所述基于生成对抗网络的图像上色模型输出的彩色图像;其中,所述基于生成对抗网络的图像上色模型是基于待上色图像样本和对应的彩色图像样本进行训练后获得的。2.根据权利要求1所述的方法,其特征在于,采用如下方法训练得到所述基于生成对抗网络的图像上色模型:构建带注意力机制的生成对抗网络模型;将待上色图像样本输入至所述带注意力机制的生成对抗网络模型的生成器进行训练,得到所述待上色图像样本的彩色图像,并将高斯白噪声输入至所述带注意力机制的生成对抗网络模型的生成器进行训练,得到所述待上色图像样本的虚拟图像;计算所述待上色图像样本的虚拟图像与所述待上色图像样本对应的彩色图像样本之间的损失,获得生成器的损失结果,基于所述生成器的损失结果利用反向传播算法更新所述生成器的参数;将所述待上色图像样本的彩色图像和所述待上色图像样本对应的彩色图像样本输入至所述带注意力机制的生成对抗网络模型的判别器进行判别,得到所述判别器的判别损失,并基于所述判别损失利用反向传播算法更新所述判别器的参数;当所述生成器的损失结果和所述判别损失均维持在预设阈值范围内并保持一段时间时,获得训练完成的基于生成对抗网络的图像上色模型,所述基于生成对抗网络的图像上色模型包括训练完成的生成器和判别器。3.根据权利要求2所述的方法,其特征在于,所述将待上色图像样本输入至所述带注意力机制的生成对抗网络模型的生成器进行训练,得到所述待上色图像样本的彩色图像的步骤,具体为:将待上色图像样本输入至所述生成器的卷积神经网络层进行训练,获得所述待上色图像样本的特征图;将所述特征图输入至所述生成器的注意力特征层进行线性变换和通道压缩,获得两个张量,然后重新将所述两个张量整理成矩阵形式并进行转置相乘,获得所述待上色图像样本的注意力图;将所述特征图输入所述生成器的1*1的卷积核进行卷积,将卷积得到的输出结果与所述注意力图相乘,获得所述待上色图像样本的自注意力特征图;将所述待上色图像样本的自注意...
【专利技术属性】
技术研发人员:张明,董远,白洪亮,熊风烨,
申请(专利权)人:北京飞搜科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。