[发明专利]一种基于深度残差网络的可交互图像着色在审
| 申请号： | 201910540110.X | 申请日： | 2019-06-21 |
| 公开（公告）号： | CN110322530A | 公开（公告）日： | 2019-10-11 |
| 发明（设计）人： | 肖懿;朱贤益;周佩瑶 | 申请（专利权）人： | 湖南大学 |
| 主分类号： | G06T11/40 | 分类号： | G06T11/40;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410082 湖*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 深度学习(Deep Learning)技术近年来在图像处理领域有不错的成果，其中一些优秀的图像着色方法虽然达到了逼真的效果，但仍有提升空间，并且在使用体验上有一定的提升空间。本发明提出一种基于深度残差网络的可交互图像着色；其针对灰度图着色。主要过程为：首先基于卷积神经网络(Convolution Neural Network，CNN)，设计了一个可同时输入颜色主题和彩色点两种着色输入，并最终输出相关灰度图像的ab通道的网络模型，通过在网络中输入灰度图的L通道梯度图来优化图像边缘部分着色效果，并为该模型设计了合适的损失函数来实现同时或者单独使用两种着色方法进行着色，同时得到自然真实的着色效果。同时本发明通过学习残差思想，在着色网络后添加残差神经网络(Residual Neural Network，RNN)来学习CNN网络输出ab通道的残差图像对结果进行修正，从而进一步提高着色效果。 | ||
| 搜索关键词： | 着色 残差 着色效果 交互图像 网络 卷积神经网络 图像处理领域 残差图像 单独使用 灰度图像 模型设计 神经网络 输出相关 输入灰度 输入颜色 损失函数 图像着色 网络模型 网络输出 优化图像 彩色点 灰度图 梯度图 学习 修正 | ||
【主权项】：
1.一种基于深度残差学习的可交互图像着色方法，其特征在于，包括如下两个步骤：步骤1、基于卷积神经网络的着色网络模型的设计；步骤2、同时或单独实现两种着色方法的损失函数的设计；步骤3、基于残差学习思想的残差神经网络模块的设计。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湖南大学，未经湖南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910540110.X/，转载请声明来源钻瓜专利网。
