基于联合一致循环生成对抗网络的人像着色

• 作者: 刘昌通 曹林 杜康宁
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人像着色 联合一致循环生成对抗网络 深度学习 特征融合
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 图形图像处理
• 页码范围: 183-190
• 页数: 8页
• 分类号: TP391.41
• 字数: 5100字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1907-0222

摘要

传统灰度图像着色方法存在颜色失真、效果不佳等问题,已逐渐被深度学习方法取代.目前基于深度学习的人像着色方法主要存在复杂背景下误着色的问题.针对上述问题,提出了联合一致循环生成对抗网络的人像着色方法.该方法在循环生成对抗网络的基础上,采用联合的一致性损失训练模型;生成网络采用U型网络结构(UNet)进行改进,以提高生成图像信息的完整性;判别网络中引入多特征融合的特征提取方式,增强特征对图像的细节表达.最后通过在自建的CASIA-PlusColors高质量人像数据集中的对比实验,验证了该方法对复杂背景中的人像着色有着更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹林	北京信息科技大学光电测试技术及仪器教育部重点实验室	35	182	6.0	12.0
5	杜康宁	北京信息科技大学光电测试技术及仪器教育部重点实验室	7	10	1.0	3.0
9	刘昌通	北京信息科技大学光电测试技术及仪器教育部重点实验室	2	0	0.0	0.0