计算机毕业设计-基于深度学习的老（旧）照片色彩复原、上色算法模型设计与实现（对抗生成式网络GAN、含Github代码与Web端设计）

计算机毕业设计-基于深度学习的老（旧）照片色彩复原、上色算法模型设计与实现（对抗生成式网络GAN、含Github代码与Web端设计）

本篇文章是针对老（旧）照片色彩复原、上色，如果你想对破损图像进行修复，请参考这篇CSDN作品👇

计算机毕业设计–基于深度学习技术（Transformer、GAN）的图像修复算法（含Github代码+GUI与Web端展示界面）

如果要做老照片色彩增强，清晰化，划痕修复，划痕检测，请参考这篇CSDN作品👇

计算机毕业设计–老照片（灰白照片）清晰化+划痕修复+色彩增强的深度学习算法设计与实现（含giuhub代码+GUI可视化界面）

✨ Demo_1

✨ Demo_2

✨ 网页端效果展示

Web端在线体验地址：✅访问这里进行图像色彩复原在线体验✅
PS：如果打不开，即我的公网ip到期，参考文末联系方式联系作者获取新连接

---

介绍

  图像上色是一个具有挑战性的问题，因为它涉及到多模态不确定性和高度的不确定性。直接训练深度神经网络通常会导致语义色彩错误和低色彩丰富度。尽管基于 Vision Transformer 的方法可以提供更好的结果，但它们通常依赖手动设计的先验，具有较差的泛化能力，并引入颜色流动效应。为了解决这些问题，本课题设计了一种使用改进的双 GAN 解码器进行图像着色的端到端方法。

  本课题的方法包括一个像素级解码器和一个基于色彩还原查询的颜色解码器。前者恢复空间分辨率图像，而后者利用丰富的视觉特征进行精细的颜色查询，从而避免人工添加先验知识的干预。这两个解码器通过交叉关注在颜色和多尺度语义表示上进行协同工作，显著减轻了颜色流动效应。此外，本课题还引入了一种简单而有效的颜色损失函数，用于增强色彩的丰富性。经实验证明，该模型在效果、上色速度和质量方面优于基于机器学习的传统模型。

🚀 算法获取

• Giuhub链接：老照片色彩复原Github
• Gitee链接：老照片色彩复原Gitee

PS：如果通过Github访问项目，请不要通过“加速通道”访问，因为加速通道中的项目版本可能比较老

---

⚡️开始

环境配置（推荐使用conda安装环境）

# 从github上Clone项目
git clone https://github.com/zxx1218/Image-coloring.git

# 使用conda创建环境
conda create -n py310 python=3.10
conda activate py310

# 安装依赖
pip install -r requirements.txt 

方式一：启动Web端交互界面

启动web端（会启动在127.0.0.1:xxxx的本机环回地址下)

python gradio_app.py

回车后会自动启动Web服务，在浏览器打开即可访问，在控制台看到如下信息代表成功启动👇

打开弹出的URL，显示如下界面代表成功！👇

修复效果👇：左侧为滑块窗口，可以拖动中间的滑块查看原图与修复后的图

图像色彩复原演示视频

PS：Web端可以部署在公网服务器访问

方式二：通过控制台（cmd \ 终端）进行批量修复

只需将需要复原的的图片全部放在./assets/test_images下，然后运行程序即可

---

🔧 如何自己训练模型?

• 项目提供自行训练or微调的方式，请咨询作者

作者联系方式：

• VX：Accddvva

• QQ：1144968929

• Github提供训练好的模型文件以及调用该文件进行修图的测试代码（clone代码后安装环境即可进行修图测试，开源版不包含模型源码以及Web端）

• 本项目完整代码 + 环境配置方法（另可提供远程部署服务）+ Web端 == 价格300RMB，可提供远程部署服务，另提供GPU服务器短期租赁服务，24G显存服务器每个月100RMB

---

广告

• 作者于浙江某985高校就读人工智能方向研究生，可以帮忙定制设计模型，并提供源代码和训练后的模型文件以及环境配置和使用方法，只需要描述需求即可。
• 人工智能领域，尤其是计算机视觉（Computer vision，CV）方向的毕业设计，只要你想得出，没有做不出的