Лекция 11. Колоризация изображений

Увеличение разрешения

Предсказание цветовых компонент

Удаление шумов

Сжатие данных

Компоненты a и b

Компонента L (яркость)

Все три компоненты (L, a, b)

Только компонента a

Компоненту L

Компоненты a и b

Все три компоненты

Только компоненту a

rgb_to_lab()

rgb2lab()

convert_lab()

lab2rgb()

lab_to_rgb()

rgb2lab()

convert_rgb()

lab2rgb()

MaxPooling ускоряет обучение

MaxPooling искажает взаимное расположение пикселей

strides=2 требует меньше памяти

MaxPooling не работает в Keras

Это требует слишком много памяти

Сеть переобучается и не может обобщать

Оптимизатор Adam не работает на малых данных

Функция mse не подходит для малых датасетов

Потому что она запоминает все пиксели

Потому что она выявляет признаки и связывает их с цветами

Потому что использует случайные цвета

Потому что переворачивает изображение

Использование более глубокой сети для колоризации

Добавление классифицирующей сети к раскрашивающей

Применение только ручных признаков

Отказ от сверточных слоев

Слой, который формирует одномерный тензор

Слой, объединяющий признаки колоризации и классификации

Слой, который применяет только пулинг

Слой для увеличения контрастности