Open irfanICMLL opened 7 years ago
参考了Richard Zhang的文章，也是把颜色看成一种分布
data：又依据imagenet新建了一个benchmark，训练数据,grayscale L=（R+G+B）/3 颜色空间表示：可以转换为HSV的HSL 项目开源，代码在https://github.com/gustavla/autocolorize method： input——一个小patch output——小patch中心点的颜色分布直方图 损失函数：色调的实际与预测的KL散度+a色彩饱和度的实际与预测的KL散度 end-end fully connected CNN 预测出的直方图转化为颜色（Lab空间，加权和；HSL，取中位数） 特征提取网络（VGG16）取出的特征放入全连接网络预测对应的色度直方图 results：用RMSE 和PSNR来衡量。但是话说这两个量一般不是用来衡量超分辨率重构的效果之类的么。。 感觉我们最终还是以zhang文章中的受试者测试那种方法来衡量好一些，这个量化衡量效果的方法或许可以用在前期？
参考了Richard Zhang的文章，也是把颜色看成一种分布
data：又依据imagenet新建了一个benchmark，训练数据,grayscale L=（R+G+B）/3 颜色空间表示：可以转换为HSV的HSL 项目开源，代码在https://github.com/gustavla/autocolorize method： input——一个小patch output——小patch中心点的颜色分布直方图 损失函数：色调的实际与预测的KL散度+a色彩饱和度的实际与预测的KL散度 end-end fully connected CNN 预测出的直方图转化为颜色（Lab空间，加权和；HSL，取中位数） 特征提取网络（VGG16）取出的特征放入全连接网络预测对应的色度直方图 results：用RMSE 和PSNR来衡量。但是话说这两个量一般不是用来衡量超分辨率重构的效果之类的么。。 感觉我们最终还是以zhang文章中的受试者测试那种方法来衡量好一些，这个量化衡量效果的方法或许可以用在前期？