本文介绍了《Distort-and-Recover: Color Enhancement using Deep Reinforcement Learning》论文，该论文提出了一种使用深度强化学习（DQN）进行图像色彩增强的方法。通过模拟艺术家的调色方式，算法选择一系列基础图像操作算子，如对比度、饱和度和亮度增强，以及白平衡调整。DQN使用CIELab颜色直方图和预训练的VGG-16网络特征作为输入，训练过程中采用Double Q-Learning策略。训练数据由高质量图片经基础图像操作算子失真得到，损失函数为MSE。该方法适用于需要子图像处理流程优化的问题。
采用增强网络的色彩增强算法
1. 算法来源
本文介绍的算法来自于此篇paper：
《Distort-and-Recover: Color Enhancement using Deep Reinforcement Learning》
Jongchan Park, Joon-Young Lee, DonggeunYoo, and In So Kweon
本文是对此paper的一个学习总结，感兴趣的同学可以阅读原文获得最准确的知识。
2. 简要介绍
本文提出了一种图像增强方式，模拟艺术家调色的方式来增强图像，文中提出了2个大的可以借鉴的地方：
1. 采用DQN决策每一步需要进行的基础图像操作算子；
2. 训练数据采用从高质量图片构建输入-输出pairs.
3. 详细介绍
3.1 整体框架
3.2 一个典型的调色过程
3.3 基础图像操作算子
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
