基于卷积神经网络的图像编辑传播

对于单幅图像进行编辑传播的问题,引入组合卷积来代替传统的卷积,用以提取更加有效的特征。组合卷积由可变形卷积和可分离卷积组成,通过这个结构可以增强模型的泛化能力,并且减少模型的参数量和卷积的操作数。同时引入对错分的背景类进行加权的有偏损失函数,以防止与背景类相似度较高的像素点被误着色而造成颜色溢出。实验结果表明:使用组合卷积和有偏损失函数构建的双分支的卷积神经网络模型,可以实现单幅图像的有效上色,并且能够改善颜色溢出的情况。