摘
要
图像
能够直观地
表达视觉信息，相对于黑白图像来说，
彩色图像获取和处理图像信息
的效果更佳
。
图像着色可以从多种角度
入手研究
，手动着色的实现过程非常耗时且效果难以达标，所以从深度学习角度完成图像着色可以得到很大的改善。
本
文
基于深度学习
领域，
将数据集进行预处理后分割成训练集和测试集部分，用
8
层卷积层构建
CNN
模型
，用预训练的
VGG16
来帮助迁移学习并且提高模型性能
。随后
需要对数据集转换成与输入的网络编码部分的灰度图像相同的格式后，将相同的图像连接
3
次来补偿丢失的通道信息。
再
将
CNN
基于深度学习的图像着色研究-14190字.docx