ColorNet

最新推荐文章于 2024-03-22 09:34:24 发布
最新推荐文章于 2024-03-22 09:34:24 发布
阅读量1.1k 收藏 1
点赞数
分类专栏： 深度学习 文章标签： classfication deeplearning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gltangwq/article/details/88952583
版权

2019年，清华大学团队写了一篇探究颜色空间对图像分类重要性的文章colorNet。

paper《ColorNet: Investigating the importance of color spaces for image classification》。

目录

文章结论

网络结构

复现关键点

复现结果

文章结论

  1. 在图像分类领域，使用不同的颜色空间（RGB/HSV等），分类效果具有显著差异；
  2. 不同的颜色空间对于分类中的部分类别有独立性。例如，一颜色空间对A类的分类效果好，另一颜色空间对A类的分类效果差；
  3.  基于上述2中的独立性，可以选择集成（融合）多个颜色空间，可以明显提升分类效果。

网络结构

每个颜色空间使用一个DenseNet提取特征，得到类别向量（本人复现时，未作softmax），把所有的类别向量输出到一个Dense Layer，学习类别向量的权重，最后给出综合的类别向量。

图1 网络结构

复现关键点

论文的融合过程特别重要。本人理解如下。以10分类为例。

  • 设每个DenseNet的输出为o_i \in R^{10}, w_i \in R^{10},i=1,2,3,\dots,n，n为颜色空间数量；
  • 融合的输出为\small z_i = \sum w_i.*o_i

复现结果

本人在cifar-10数据集复现论文的效果，使用的基本网络为resnet18，使用了3个颜色空间RGB/HSV/LAB。

表1 论文结果
颜色空间（组合）测试集准确率
RGB0.8396
HSV0.7842
LAB0.8028
RGB+HSV+LAB0.8594

上述结果体现了之前的结论。

 

gltangwq
关注
专栏目录
tf14: 黑白图像上色
MachineLP的专栏
12-25 7374
网上有很多使用PS给黑白老照片上色的教程，下图是P上颜色的爱因斯坦： 于是，有大牛使用深度学习制作了一个自动给黑白图像上色的模型，非常非常的牛叉。 colornet Automatic Colorization Hypercolumns for Object Segmentation and Fine-grained Localization The major advancements...
colornet：彩色灰度图像的神经网络
02-22
#colornet神经网络为灰度图像着色 结果 灰阶 预言 地面真相 荣治K用colornet进行动漫着色 资料来源 和
ColorNet: Investigating the importance of color spaces for image classification
鳄鱼的博客
10-22 499
总结 这是一篇讨论不同颜色空间（color space） 对于分类任务（classification）精度影响的文章。 文中介绍了RGB、LAB、YCrCb、HSV、CIE等等不同的颜色空间，在单一颜色空间上进行分类任务使用LAB颜色空间精度最高 文中做了实验，证明同一个任务使用不同的组合的颜色空间数据集能够提升精度，即某些特定的颜色空间能够更好地表示某些特定的图像内容 网络模型使用晚期融合，即先在不同的颜色空间上进行训练，到最后再融合 实验多是在CIFAR数据集上进行；使用scikit库进行颜色空间转
ColorNet(灰图涂色)
fcsfcsfcs的博客
08-22 1453
最近在阅读一些AI项目，写入markdown，持续更新，算是之后也能回想起做法 项目 https://github.com/calssion/Fun_AI add color for grayscale image(为灰度图添加色彩) sources from pavelgonchar(资料来源)：https://github.com/pavelgonchar/colornet tutor...
ColorNet：深度学习色彩迁移神器
最新发布
gitblog_00001的博客
03-22 675
ColorNet：深度学习色彩迁移神器 项目地址:https://gitcode.com/pavelgonchar/colornet ColorNet 是一个开源的深度学习项目，旨在实现快速而准确的色彩风格迁移。借助神经网络的力量，它能够将一张图片的色彩信息应用到另一张图片上，创造出极具艺术感的新图像。 技术分析 ColorNet 的核心是基于卷积神经网络（CNN）的设计。它采用了端到端的学习策略...
颜色分类leetcode-tensorflow-colornet:用Tensorflow编写的图像着色网络
07-06
颜色分类leetcode 图像着色网络 [] SIGGRAPH 2016 上发布的 Tensorflow 版本，详情请查看原文。 他们做得很好，并提供了 Torch 版本的实现。 我对 Torch 一无所知，但我对 Tensorflow 有一些了解，所以这是给 Tensorflow 开发人员的。 该项目仍在进行中，请随时贡献它。 去做 完成损失函数。 验证每个网络组件，检查张量的等级是否匹配。 编写训练代码和测试代码。 收集训练数据集和验证集。 作者 @Article{IizukaSIGGRAPH2016, author = {Satoshi Iizuka and Edgar Simo-Serra and Hiroshi Ishikawa}, title = {{Let there be Color!: Joint End-to-end Learning of Global and Local Image Priors for Automatic Image Colorization with Simultaneous Classification}}, journal = "ACM
Siggraph2011_SpecialEffectsWithDepth_WithNotes
07-06
### Siggraph2011_SpecialEffectsWithDepth_WithNotes #### 概述 本文章主要探讨了如何在Unity引擎中运用深度缓存技术来实现各种特殊效果。这些效果不仅能够提升游戏或应用的视觉质量，还能带来更加丰富的用户体验...
javaForManyLayerBp.zip_BP神经网络_BP神经网络 java_多层bp_识别_颜色神经网络
07-13
- “ColorNet.java”可能是实现神经网络的核心类，包含了神经网络的结构定义、初始化、前向传播和反向传播算法。 - “JColorPreview.java”可能用于预览和处理颜色数据，可能包含颜色空间转换、特征提取等功能。 ...
深度学习的图像Colorization：ColorNet, DeepColorization等
AI天才研究院
12-31 1123
1.背景介绍 图像色彩化，也被称为彩色化，是一种将黑白照片或者其他单色图像转换为彩色图像的技术。这种技术的主要目标是通过对图像的颜色信息进行补充，使得黑白图像具有更加丰富的色彩。在过去，图像色彩化通常是由人工进行的，这种方法需要大量的时间和精力。但是，随着深度学习技术的发展，图像色彩化现在可以通过使用深度学习算法来自动完成。 在这篇文章中，我们将讨论一些最先进的深度学习算法，它们可以用于图像色...
颜色
ww280110599的专栏
08-28 392
http://www.blogjava.net/zks518/archive/2011/08/12/356409.html
颜色分类leetcode-AD_Prediction:使用ResNet、AlexNet预测阿尔茨海默病
07-06
颜色分类leetcode AD-预测 使用脑 MRI 图像预测阿尔茨海默病的卷积神经网络 抽象的 阿尔茨海默病 (AD) 的特点是严重的记忆丧失和认知障碍。 它与显着的大脑结构变化有关，这可以通过磁共振成像 (MRI) 扫描来测量。 可观察到的临床前结构变化为使用图像分类工具（如卷积神经网络 (CNN)）进行 AD 早期检测提供了机会。 然而，目前大多数 AD 相关研究都受到样本量的限制。 找到一种在有限数据上训练图像分类器的有效方法至关重要。 在我们的项目中，我们探索了基于 CNN 的不同转移学习方法，用于 AD 预测脑结构 MRI 图像。 我们发现，与从头开始训练的深度 CNN 相比，具有 2D 表示方法的预训练 2D AlexNet 和具有预训练 3D 自动编码器的简单神经网络都提高了预测性能。 预训练的 2D AlexNet 的表现甚至优于带有自动编码器的 3D CNN（ 77% ）（ 86 % ）。 方法 1. 数据 在这个项目中，我们使用了来自阿尔茨海默病神经影像学倡议 (ADNI)研究的公共大脑 MRI 数据。 ADNI 是一项正在进行的多中心队列研究，从 2004 年开
常用颜色的网络编码 及中英文名称
xiao597896577的专栏
05-02 1275
对于经常要用的颜色的网络编码，每次要用都要找许久，现在贴出网址，里面还是挺详细的 http://www.doc88.com/p-140611094886.html
C# .Net Color ARGB
keenweiwei的专栏
02-27 3009
WIN32颜色值与.NET颜色值的转换 http://www.zxbc.cn/html/20080521/41020.html C#中RGB颜色值与整型值的转换 http://www.cnblogs.com/heminzhou/articles/798988.html .NET C# 中颜色Color对象的使用介绍 http://apps.hi.baidu.com/shar
Color Spaces
fanbird2008的专栏
05-25 551
RGB (Red Green Blue) The RGB (Red, Green, Blue) color model is the most known, and the most used every day. It defines a color space in terms of three components: Red, which ranges from 0-25
图像分类学习笔记
quqyyy的博客
07-09 1984
图像分类学习笔记 分享下学习笔记 图片网上找的勿喷quq 2020 西瓜大 视觉课 学渣笔记 同节课的兄弟仅供参考不要抄了交上去啊 一、图像分类 图像分类是计算机视觉中最基础的一个任务，从比较简单的10分类的灰度图像手写数字识别mnist，到之后的10分类cifar10，图像分类的目标是将不同的图像划分到不同的类别的同时实现最小的分类误差。具体的来说输入为RGB图像的分类任务中，图像被计算机理解为一个NN3(N由图像像素长宽决定)的矩阵或”张量”，此时图像分类的任务就是通过训练
GitHub 最受欢迎深度学习应用项目 Top 16
热门推荐
鲍礼彬的CSDN博客 ~_~
01-19 1万+
Neural Style Star：12122 Github 地址：https://github.com/jcjohnson/neural-style 这个项目是用 Torch 对 Leon A. Gatys, Alexander S. Ecker, 和 Matthias Bethge 等人的论文“A Neural Algorithm of A
【今日CS 视觉论文速览】Mon, 4 Feb 2019
TomRen
02-04 735
今日CS.CV计算机视觉论文速览 Mon, 4 Feb 2019 Totally 27 papers Daily Computer Vision Papers [1] Title: Learning Differentiable Grammars for Continuous Data Authors:AJ Piergiovanni, Anelia Angelova, Michael S....
caffe 使用python测试ImageNet classification
huangshanchun的专栏
12-27 9624
1.首先要确保caffe已经编译成功，如果没有可以参考： http://blog.csdn.net/huangshanchun/article/details/41276901 首先安装pip和python-dev （系统默认有python环境的， 不过我们需要的使python-dev） sudo apt-get install python-dev python-pip 然后
特征融合的常见方法
gltangwq的博客
12-03 6718
深度学习中，假设有两个层次的特征x∈Rn,x∈Rm.x \in \mathbb{R}^n, x \in \mathbb{R}^m.x∈Rn,x∈Rm. 如何得到融合这两者的新特征z∈Rk.z \in \mathbb{R}^k.z∈Rk. 常见的方法如下： concat : z=[x,y]∈Rm+n,k=m+n.z=[x,y] \in \mathbb{R}^{m+n}, k=m+n.z=[x,y]∈Rm+n,k=m+n. addition: z=x+y∈Rkz=x+y \in \mathbb{R}^{k}z
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值