用最简单的神经网络结构实现一幅灰度图像的彩色化。
BP网络即前馈神经网络,模型在完成一次训练后需要反向对训练过程中的参数进行优化调整,是最基础的神经网络,也是复杂网络结构的基础。
不做过多的原理性介绍,仅仅介绍如何进行结构实现。文章结尾放上Numpy实现与Keras实现。
目录
目标:实现从灰度图像(图1)到目标图像(图2)的变化
图1 原始图像
图2 目标彩色图像
所谓神经网络,结构上需要三层结构:输入层、隐藏层、输出层
首先来解决输出层的问题。
输入层
首先需要拿到原始图像每个像素点的4邻域,即该像素点上下左右4个点:、、、 ,加上该点共5个点的灰度值作为输入x
为了提高效果也可为8邻域,此时输入x为9个灰度值