"딥 네트워크를 이용한 전역 특징과 국소 특징 학습을 통한 색칠"을 시도하십시오.
3060 단어 이미지 처리루아기계 학습DeepLearning
와세다대학 이공학술원 이시카와 히로시 교수, 이즈카 리시 연구원 조교, 시모세라 에드거 연구원 조교 등의 연구 그룹은 “딥 네트워크를 이용한 전역 특징과 국소 특징의 학습에 의한 색칠”의 수법을 확립했다 일을 발표했다.
MdN DESiGN INTERACTIVE
실행 환경은 Docker 컨테이너의 CentOS 7입니다.
Plan
절차
먼저 torch 을 넣습니다.
# git clone https://github.com/torch/distro.git torch --recursive
Cloning into 'torch'...
remote: Counting objects: 918, done.
remote: Total 918 (delta 0), reused 0 (delta 0), pack-reused 918
Receiving objects: 100% (918/918), 138.10 KiB | 0 bytes/s, done.
...
# cd torch/
# bash install-deps
Loaded plugins: fastestmirror, ovl
Loading mirror speeds from cached hostfile
...
# ./install.sh
Prefix set to /root/git/torch/install
...
to PATH and LD_LIBRARY_PATH in your /root/.bashrc? (yes/no)
[yes] >>> yes
# source ~/.bashrc
필요한 라이브러리가 부족해 에러가 되는 경우는 적당하게
yum
로 넣어 주세요. 이어서 건의 논문의 구현을 도입합니다. 학습된 모델을 다운로드하는 데 15분 정도 걸립니다.# git clone https://github.com/satoshiiizuka/siggraph2016_colorization.git
Cloning into 'siggraph2016_colorization'...
remote: Counting objects: 49, done.
remote: Total 49 (delta 0), reused 0 (delta 0), pack-reused 49
Unpacking objects: 100% (49/49), done.
# cd siggraph2016_colorization/
# ./download_model.sh
Downloading the colorization model (663M)...
--2016-06-01 05:41:11-- http://hi.cs.waseda.ac.jp/~iizuka/data/colornet.t7
Resolving hi.cs.waseda.ac.jp (hi.cs.waseda.ac.jp)... 133.9.187.220
Connecting to hi.cs.waseda.ac.jp (hi.cs.waseda.ac.jp)|133.9.187.220|:80... connected.
HTTP request sent, awaiting response... 200 OK
Length: 694703608 (663M)
Saving to: 'colornet.t7'
100%[======================================================================================>] 694,703,608 978KB/s in 11m 58s
2016-06-01 05:53:09 (945 KB/s) - 'colornet.t7' saved [694703608/694703608]
Checking integrity (md5sum)...
Download finished successfully! Time to colorize!
마지막 "colorize!"의 이스케이프 시퀀스가 끝나지 않았는지 이후 콘솔이 보라색이 됩니다만 뭐 무시해. 나머지는
th
명령으로 Lua의 처리와 이미지 파일을 지정해 실행할 수 있습니다.# th colorize.lua ansel_colorado_1941.png out.png
time
로 측정하여 4초 정도였습니다.
Reference
이 문제에 관하여("딥 네트워크를 이용한 전역 특징과 국소 특징 학습을 통한 색칠"을 시도하십시오.), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/torao@github/items/56b5abe2eb1ec5071f8e텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)