Загрузка страницы

Как нейронная сеть раскрашивает изображения | #18 нейросети на Python

Узнаете о принципах построения нейронных сетей для раскраски (colorization) черно-белых изображений (в градациях серого). Примеры реализации. Цветовое пространство Lab. Функции пакета skimage: rgb2lab, lab2rgb. Слой UpSampling2D в Keras.

Телеграм-канал: https://t.me/machine_learning_selfedu

Инфо-сайт: http://proproprogs.ru
lesson 18. colorization.py: https://github.com/selfedu-rus/neural-network
Статья по раскраске: https://github.com/baldassarreFe/deep-koalarization
Статья по улучшению раскраски: http://hi.cs.waseda.ac.jp/~iizuka/projects/colorization/data/colorization_sig2016.pdf

Видео Как нейронная сеть раскрашивает изображения | #18 нейросети на Python канала selfedu
Показать
Комментарии отсутствуют
Введите заголовок:

Введите адрес ссылки:

Введите адрес видео с YouTube:

Зарегистрируйтесь или войдите с
Информация о видео
10 сентября 2020 г. 11:00:04
00:19:17
Другие видео канала
#31. Обработка исключений. Введение | Уроки ООП C++#31. Обработка исключений. Введение | Уроки ООП C++#22. Вероятностная оценка качества моделей | Машинное обучение#22. Вероятностная оценка качества моделей | Машинное обучениеwxPython #9: стандартные диалоговые окнаwxPython #9: стандартные диалоговые окнаВариант 8  Задание 5  ЕГЭ 2016 Математика, И В  Ященко  36 вариантов  Решение  ОтветВариант 8 Задание 5 ЕГЭ 2016 Математика, И В Ященко 36 вариантов Решение ОтветЕГЭ. Производные с нуля: сложная функцияЕГЭ. Производные с нуля: сложная функция#14. Тонкая настройка и контроль процесса обучения через метод fit() | Tensorflow 2 уроки#14. Тонкая настройка и контроль процесса обучения через метод fit() | Tensorflow 2 уроки#12. Арифметические операции +=,  -=, *=, /=, %= | Язык C для начинающих#12. Арифметические операции +=, -=, *=, /=, %= | Язык C для начинающих#21. Директивы #include и условной компиляции | Язык C для начинающих#21. Директивы #include и условной компиляции | Язык C для начинающих#14. Вероятностный взгляд на L1 и L2-регуляризаторы | Машинное обучение#14. Вероятностный взгляд на L1 и L2-регуляризаторы | Машинное обучение#23. Контейнер map библиотеки STL в C++ | Структуры данных#23. Контейнер map библиотеки STL в C++ | Структуры данных#30. Операторы static_cast и dynamic_cast | Уроки ООП C++#30. Операторы static_cast и dynamic_cast | Уроки ООП C++#9. Функция scanf() для форматированного ввода | Язык C для начинающих#9. Функция scanf() для форматированного ввода | Язык C для начинающих#16. Оператор switch множественного выбора. Ключевое слово break | Язык C для начинающих#16. Оператор switch множественного выбора. Ключевое слово break | Язык C для начинающих#38. Введение в Python Data Classes (часть 2)  | Объектно-ориентированное программирование Python#38. Введение в Python Data Classes (часть 2) | Объектно-ориентированное программирование PythonЕГЭ. Профиль.  Решение типовых заданий на распределение ресурсовЕГЭ. Профиль. Решение типовых заданий на распределение ресурсовВариант 3  Задание 1  ЕГЭ 2016 Математика, И В  Ященко  36 вариантов  Решение  ОтветВариант 3 Задание 1 ЕГЭ 2016 Математика, И В Ященко 36 вариантов Решение Ответ#6. Добавляем параметры в L-систему | Фракталы на Python#6. Добавляем параметры в L-систему | Фракталы на PythonОГЭ Ященко 2015. Вариант 9, задача №19. ОтветОГЭ Ященко 2015. Вариант 9, задача №19. ОтветВариант 7  Задание 6  ЕГЭ 2016 Математика, И В  Ященко  36 вариантов  Решение  ОтветВариант 7 Задание 6 ЕГЭ 2016 Математика, И В Ященко 36 вариантов Решение ОтветОГЭ Ященко 2015. Вариант 13, задача №19. ОтветОГЭ Ященко 2015. Вариант 13, задача №19. Ответ#7. Индексация, срезы, итерирование массивов | NumPy уроки#7. Индексация, срезы, итерирование массивов | NumPy уроки
Яндекс.Метрика