• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Imaging Science and Technology >Pixel-wise Colorimetric Characterization based on U-Net Convolutional Network
【24h】

Pixel-wise Colorimetric Characterization based on U-Net Convolutional Network

机译：基于U-Net卷积网络的像素 - 明亮的比色表征

获取原文
获取原文并翻译 | 示例
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this article, we present a U-Net convolutional network for solving insufficient data problems of color patches in colorimetric characterization. The U-Net network uses data augmentation annotated over 6,885,222 colors, 32,027,200 color patches, and 2,098 billion pixels directly from only eight standard colorimetric images of ISO 12640 (CIELAB/SCID). By applying the U-Net network trained on big augmented data, the pixel-wise colorimetric characterization is implemented from digitalized red, green, blue image samples to ISO 12640 (CIELAB/SCID) CIELAB standard colorimetric images. The performance efficiency of the U-Net network is superior to that of the convolutional neural network on both training and validating epochs. Moreover, pixel-wise color colorimetric characterization is achieved using the intelligent machine vision of U-Net integrated with a data augmentation technique to overcome the drawback of complex color patches and labor-intensive tasks. This study might improve colorimetric characterization technology with a resolution of 2560-by-2048 for over 4 million pixels. The results reveal that U-net with pixel-wise regression enhances the precise colors of images, taking detail and realism to a new level. (C) 2020 Society for Imaging Science and Technology.
机译：在本文中，我们提出了一种U-Net卷积网络，用于解决比色表征中的颜色斑块的不足数据问题。 U-Net网络使用数据增强以超过6,885,222种颜色，32,027,200种颜色贴片，直接从ISO 12640（Cielab / SCID）的八个标准比色图像直接注释了2,0980亿像素。通过将培训的U-Net网络应用于大增强数据，从数字化红色，绿色蓝色图像样本实现了像素明智的比色表征到ISO 12640（Cielab / SCID）Cielab标准比色图像。 U-Net网络的性能效率优于训练和验证时期的卷积神经网络的性能效率。此外，使用与数据增强技术的U-Net集成的U-Net的智能机器视觉实现了像素 - 方向色比较表征，以克服复杂彩色斑块和劳动密集型任务的缺点。该研究可以提高比色表征技术，分辨率为2560〜2048，超过400万像素。结果表明，U-Net具有像素 - 明智的回归，增强了图像的精确颜色，将详细和现实主义进行了新的水平。 （c）2020年影像科技协会。

著录项

  • 来源
    《Journal of Imaging Science and Technology》 |2020年第4期|040405.1-040405.10|共10页
  • 作者

    Wang Po-Tong; Chou Jui Jen; Tseng Chiu Wang;

  • 作者单位

    Natl Taiwan Univ Dept Biomechatron Engn 1 Sect 4 Roosevelt Rd Taipei 10617 Taiwan;

    Natl Taiwan Univ Dept Biomechatron Engn 1 Sect 4 Roosevelt Rd Taipei 10617 Taiwan;

    Natl Taiwan Univ Dept Biomechatron Engn 1 Sect 4 Roosevelt Rd Taipei 10617 Taiwan;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号