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?