PyTorch深度学习实战——图像着色

0. 前言

图像着色指的是将黑白或灰度图像转换为彩色图像的过程，传统的图像处理技术通常基于直方图匹配和颜色传递的方法或基于用户交互的方法等完成图像着色操作，不但耗时且需要专业知识，而基于深度学习的方法能够实现自动着色，极大的提高了效率。在训练图着色模型时，我们可以将原始图像转换为黑白图像作为网络输入，原始彩色图像作为输出。

1. 模型与数据集分析

在本节中，我们将利用 CIFAR-10 数据集执行图像着色。

1.1 数据集介绍

CIFAR-10 数据集是一个广泛应用于计算机视觉领域的图像分类数据集。它由 10 个不同类别的彩色图像组成，每个类别包含 6000 张 32 x 32 像素的图像。该数据集涵盖了各种不同的对象类别，包括飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船和卡车。与一些只包含灰度图像的数据集相比，CIFAR-10 数据集的图像是彩色的，但由于图像分辨率相