PaddlePaddle-Colorful Image Colorization

一、简介

本项目基于paddlepaddle框架复现"Colorful image colorization."，它的主体是作者设计搭建的卷积神经网络。网络的pipeline如下图所示：

此外，为了处理自然图像中存在的低饱和度现象，作者还设计了Lab色彩空间的量化策略，使用分类的形式处理图像着色问题。并统计了imagenet数据集中每种量化级别的先验概率信息，作为计算损失时的权重。

论文:

• [1] Zhang, Richard, Phillip Isola, and Alexei A. Efros. "Colorful image colorization." European conference on computer vision. Springer, Cham, 2016.

参考项目：

• official project
• Pytorch implementation

二、数据集

ImageNet数据集。

• 数据集大小：
  • 训练集：1281167张
  • 验证集：10000张，取自imagenet验证集
  • 测试集：10000张，取自imagenet验证集，来源：论文Learning Representations for Automatic Colorization

三、快速开始

step1: clone

# clone this repo
git clone https://github.com/nku-shengzheliu/PaddlePaddle-Colorful-Image-Colorization.git
cd PaddlePaddle-Colorful-Image-Colorization

安装依赖

pip install -r requirements.txt

step2: 训练

python train.py

如果训练中断通过 --resume 参数恢复，此时设定 --resume 为模型上次保存权重文件。

step3: 测试

python train.py --test --chechpoint {XXX}

四、代码结构与详细说明

代码结构

├─saved_models                    # 保存模型权重
├─logs                            # 训练日志
├─dataloader                      # 数据集加载
├─models                          # 模型
├─results                         # 可视化结果
├─utils                           # 工具代码
│  README.md                      # 中文readme
│  requirement.txt                # 依赖
│  train.py                       # 训练&测试&验证
│  demo.py                        # 测试&生成可视化结果