کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6940236 1450009 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Emotional image color transfer via deep learning
ترجمه فارسی عنوان
انتقال تصویر احساسی از طریق یادگیری عمیق
کلمات کلیدی
انتقال تصویر رنگ، هیجانی، معانی تصویر، یادگیری عمیق،
ترجمه چکیده
رنگهای مختلف در تصاویر احساسات مختلفی را در بر میگیرند، مثلا هنرمندان اغلب از ترکیب رنگهای مختلف برای ایجاد احساسات مختلف در ایجاد آنها استفاده میکنند. روش های انتقال عاطفی رنگ تصویر سنتی، اطلاعات معنایی تصاویر را به حساب نمی آورند، که ممکن است منجر به نتایج انتقال غیر طبیعی شود. برای این منظور، این مقاله چارچوب انتقال تصویر تصویر احساسی جدید را با بهره گیری از یادگیری عمیق ارائه می دهد که می تواند تصاویر را در یک حالت به پایان برساند. شبکه ما دارای چهار اجزای اصلی است: یک شبکه ویژگی پایین سطح، یک شبکه طبقه بندی احساسات، یک شبکه فیوژن و یک شبکه رنگ آمیزی. شبکه ویژگی پایین سطح اطلاعات اسمتی را که برای جلوگیری از پدیده ضد طبیعی است، استخراج می کند. شبکه طبقه بندی احساسات برای محدود کردن رنگ به منظور افزایش نتایج، احساسات کاربر را مورد استفاده قرار می دهد. سپس، چارچوب نهایی یادگیری عمیق، شبکه ی طبقه بندی احساسات و شبکه ی سطح پایین را با یک شبکه فیوژن ترکیب می کند. در نهایت، ما از شبکه رنگ آمیزی برای گرفتن تصاویر پیشرفته استفاده می کنیم. نتایج آزمایش های مختلف و مقایسه ها روش ما را معتبر می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
Different colors in images convey different emotions, e.g., artists often use different color combinations to convey different emotions in their creation. Traditional image color emotion transfer methods do not take the semantic information of images into account, which may lead to unnatural transfer results. To this end, this paper proposes a new emotional image color transfer framework by exploiting deep learning which can process images in an end-to-end fashion. Our network contains four main components, namely a low level feature network, an emotion classification network, a fusion network and a colorization network. The low level feature network extracts the semantic information which is designed to prevent the anti-natural phenomenon. The emotion classification network is used to constrain the color to make the enhancement results meet user's emotion. Then, the final deep learning framework combine the emotion classification network and the low level feature network by a fusion network. Finally, we use the colorization network to get the enhanced images. Various experiment results and comparisons validate our method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 110, 15 July 2018, Pages 16-22
نویسندگان
, , , ,