我們知道，深度學習幾乎已經應用在每一個領域，但如果我們能夠構建一個基于深度學習的模型，讓它能夠給老照片著色，重現我們童年的舊回憶，這該多么令人激動啊！那么我們要怎么做呢？本文的作者將為大家介紹一個教程，通過深度學習方法為黑白老照片自動上色，帶我們重新憶起那段老時光！

現如今，給照片著色通常是在 PS 中手工完成的。

所以說，如果要給一幅照片著色的話，短時間內是不可能完成的。它需要廣泛的研究，要知道，單是一張臉的著色，就需要多達20層粉色、綠色和藍色的色調才能使照片擁有恰到好處的效果。

現在，我要介紹的這個簡單的神經網絡——Inception Resnet V2，已經訓練了120萬張圖像，可以幫助我們完成著色的任務。為了能夠實現著色，我們將用 Unsplash 的肖像來訓練這個神經網絡。

介紹

在本節中，我將就如何渲染圖像、數字顏色的基礎知識以及神經網絡的主要邏輯進行概述。

黑白圖像可以用像素網格表示，每個像素都有與其亮度相對應的值。這些值的范圍是0~255，對應的是從黑到白。

彩色圖像是由三層組成：紅色層、綠色層和藍色層。你可以想象一下，在白色背景上將綠葉分成三個通道。直覺上，你可能會認為植物只存在于綠色層中。

但是，如下圖所示，葉子在所有三個通道中都存在。這些層不僅決定了顏色，還決定了亮度。

例如，要得到白色，你需要所有的顏色均勻分布。通過增加等量的紅色和藍色，會使綠色變得更亮。因此，彩色圖像使用三層來對顏色和對比度進行編碼：

和黑白圖像一樣，彩色圖像中的每一層，也有0~255的值。值0表示這個層中沒有顏色。如果像素網格所有顏色通道的值都為0，那么這個圖像像素就是黑色的。

神經網絡在輸入值和輸出值之間創建了一種關系。為了能夠更為準確地完成著色任務，網絡需要找到能夠將灰度圖像和彩色圖像聯系起來的特征。

總的來說就是，我們需要找到能夠將灰度值網格鏈接到三個顏色網格的特征。

f()是神經網絡，[B&W]是我們的輸入，[R]、[G]、[B]是我們的輸出

現在，隨著數據集的增加，由于我們處理的是高分辨率圖像，因此我們需要更多的計算能力。為此，我個人更喜歡使用 Deep Cognition 的 Deep Learning Studio jupyter notebooks，它為Amazon 的深度學習示例提供了GPU，可用來訓練模型。

如果你不熟悉如何使用Deep Learning Studio，可以看看以下這些資料：

Deep Learning made easy with Deep Learning Studio?—?An Introduction

http://u6.gg/eqfdu

Deep Learning made easy with Deep Learning Studio?—?Complete Guide

http://u6.gg/eqffa

A video walkthrough of Deep Cognition

http://u6.gg/eqfh7

python代碼和數據集可以從 GitHub 中下載：

https://github.com/Rajat2712/Deep-Learning-Studio

環境設置

Deep Learning Studio 最好的地方之一就是，只需單擊 Deep Learning Studio Cloud，就可以輕松地完成安裝，然后隨時隨地使用它們。

▌1.安裝 Python 環境

要安裝 Python 環境，請點擊 DLS 中的 Environments 選項卡。

然后在 Available Environments 單擊你要安裝的環境。

對于這項任務，我們將安裝以下環境：

Python3

Tensorflow-gpu-1.6.0

Keras-gpu-2.1.5

▌2.安裝python包

單擊啟動環境。然后點擊菜單的 Open New Terminal 打開終端。

在終端中鍵入以下命令:

1pipinstallscikit-image

上傳數據集

打開文件瀏覽器，并為這個項目創建一個新文件夾。上傳在 Github 存儲庫中可用的數據集。

如果需要自定義數據集，可以通過在 train 文件夾中上傳高分辨率的彩色圖像和test文件夾中的灰度圖像來創建。

接下來我們開始編碼

▌導入所有的庫

1importkeras 2fromkeras.applications.inception_resnet_v2importInceptionResNetV2 3fromkeras.preprocessingimportimage 4fromkeras.engineimportLayer 5fromkeras.applications.inception_resnet_v2importpreprocess_input 6fromkeras.layersimportConv2D,UpSampling2D,InputLayer,Conv2DTranspose,Input,Reshape,merge,concatenate 7fromkeras.layersimportActivation,Dense,Dropout,Flatten 8fromkeras.layers.normalizationimportBatchNormalization 9fromkeras.callbacksimportTensorBoard10fromkeras.modelsimportSequential,Model11fromkeras.layers.coreimportRepeatVector,Permute12fromkeras.preprocessing.imageimportImageDataGenerator,array_to_img,img_to_array,load_img13fromskimage.colorimportrgb2lab,lab2rgb,rgb2gray,gray2rgb14fromskimage.transformimportresize15fromskimage.ioimportimsave16importnumpyasnp17importos18importrandom19importtensorflowastf

▌從Train文件夾中讀取所有圖像并加載初始權重值

1#Getimages2X=[]3forfilenameinos.listdir('Train/'):4X.append(img_to_array(load_img('Train/'+filename)))5X=np.array(X,dtype=float)6Xtrain=1.0/255*X7#Loadweights8inception=InceptionResNetV2(weights='imagenet',include_top=True)9inception.graph=tf.get_default_graph()

▌在融合層（fusion layer）兩邊分別創建編碼器和解碼器

Inception ResNet v2 是一個在120萬張圖像上訓練的神經網絡，也是現今最強大的分類器之一。與編碼器并行，輸入圖像也通過 Inception ResNet v2 來運行。提取分類層并將其與編碼器的輸出合并。

通過將學習從分類轉移到著色網絡上，網絡可以對圖片中的內容有所了解。進而使網絡能夠將著色方案與對象表示相匹配。

將encoder_input輸入到我們的編碼器模型中，然后將編碼器模型的輸出與融合層中的 embed_input融合，用融合層的輸出作為解碼器模型的輸入，最后返回最終的輸出decoder_output。

1embed_input=Input(shape=(1000,)) 2#Encoder 3encoder_input=Input(shape=(256,256,1,)) 4encoder_output=Conv2D(64,(3,3),activation='relu',padding='same',strides=2)(encoder_input) 5encoder_output=Conv2D(128,(3,3),activation='relu',padding='same')(encoder_output) 6encoder_output=Conv2D(128,(3,3),activation='relu',padding='same',strides=2)(encoder_output) 7encoder_output=Conv2D(256,(3,3),activation='relu',padding='same')(encoder_output) 8encoder_output=Conv2D(256,(3,3),activation='relu',padding='same',strides=2)(encoder_output) 9encoder_output=Conv2D(512,(3,3),activation='relu',padding='same')(encoder_output)10encoder_output=Conv2D(512,(3,3),activation='relu',padding='same')(encoder_output)11encoder_output=Conv2D(256,(3,3),activation='relu',padding='same')(encoder_output)12#Fusion13fusion_output=RepeatVector(32*32)(embed_input)14fusion_output=Reshape(([32,32,1000]))(fusion_output)15fusion_output=concatenate([encoder_output,fusion_output],axis=3)16fusion_output=Conv2D(256,(1,1),activation='relu',padding='same')(fusion_output)17#Decoder18decoder_output=Conv2D(128,(3,3),activation='relu',padding='same')(fusion_output)19decoder_output=UpSampling2D((2,2))(decoder_output)20decoder_output=Conv2D(64,(3,3),activation='relu',padding='same')(decoder_output)21decoder_output=UpSampling2D((2,2))(decoder_output)22decoder_output=Conv2D(32,(3,3),activation='relu',padding='same')(decoder_output)23decoder_output=Conv2D(16,(3,3),activation='relu',padding='same')(decoder_output)24decoder_output=Conv2D(2,(3,3),activation='tanh',padding='same')(decoder_output)25decoder_output=UpSampling2D((2,2))(decoder_output)26model=Model(inputs=[encoder_input,embed_input],outputs=decoder_output)

現在，我們必須調整圖像的大小來適應 Inception 模型。然后根據模型對像素和顏色值使用預處理器進行格式化。在最后一步中，我們通過 Inception 網絡運行它并提取模型的最后一層。

1defcreate_inception_embedding(grayscaled_rgb): 2grayscaled_rgb_resized=[] 3foriingrayscaled_rgb: 4i=resize(i,(299,299,3),mode='constant') 5grayscaled_rgb_resized.append(i) 6grayscaled_rgb_resized=np.array(grayscaled_rgb_resized) 7grayscaled_rgb_resized=preprocess_input(grayscaled_rgb_resized) 8withinception.graph.as_default(): 9embed=inception.predict(grayscaled_rgb_resized)10returnembed

用ImageDataGenertor可以調整圖像生成器的設置。如此一來得到不會重復的圖像，從而提高了學習率。shear_rangetilts使圖像向左或向右傾斜，其他設置為縮放、旋轉和水平翻轉。

1#Imagetransformer2datagen=ImageDataGenerator(3shear_range=0.2,4zoom_range=0.2,5rotation_range=20,6horizontal_flip=True)7#Generatetrainingdata8batch_size=10

我們使用 Xtrain 文件夾中的圖像，根據上面的設置生成圖像。然后，為X_batch提取黑色層和白色層，并為兩個顏色層提取兩種顏色。

為創建我們的 batch，我們使用經過調整的圖像。將它們轉換為黑白圖像，并通過 Inception ResNet 模型運行它們。

1defimage_a_b_gen(batch_size):2forbatchindatagen.flow(Xtrain,batch_size=batch_size):3grayscaled_rgb=gray2rgb(rgb2gray(batch))4embed=create_inception_embedding(grayscaled_rgb)5lab_batch=rgb2lab(batch)6X_batch=lab_batch[:,:,:,0]7X_batch=X_batch.reshape(X_batch.shape+(1,))8Y_batch=lab_batch[:,:,:,1:]/1289yield([X_batch,create_inception_embedding(grayscaled_rgb)],Y_batch)

現在，我們將使用 “RMSProp” 優化器和均方誤差作為損失函數來編譯模型。

GPU 越強，得到的圖像就越多。通過現在的設置，你可以使用50~100張圖像。steps_per_epoch是通過將訓練圖像的數量除以 batch 大小來計算的。

1#Trainmodel2model.compile(optimizer='rmsprop',loss='mse')3model.fit_generator(image_a_b_gen(batch_size),epochs=50,steps_per_epoch=1)

1.0/255 表示我們使用的是 24 位 RGB 顏色空間，這意味著我們為每個顏色通道使用 0 ~ 255 之間的數字。這將會產生 1670 萬種顏色的組合。

而人類只能感知 200 ~ 1000 萬種顏色，因此，使用再大的顏色空間并沒有多大意義。

與 RGB 顏色空間相比，LAB 顏色空間具有不同的范圍。在 LAB 顏色空間中，顏色光譜 ab 范圍從-128~128。通過將輸出層中的所有值除以 128，將色譜范圍限制在 -1 ~ 1 之間。

將它與神經網絡相匹配，神經網絡也返回 -1 ~ 1 之間的值。

在使用 rgb2lab 函數轉換顏色空間之后，我們選擇灰度層：[:,:,0]，這是對神經網絡的輸入。[:,:,1:]選擇兩個顏色層：綠-紅和藍-黃。

1color_me=[]2forfilenameinos.listdir('Test/'):3color_me.append(img_to_array(load_img('Test/'+filename)))4color_me=np.array(color_me,dtype=float)5gray_me=gray2rgb(rgb2gray(1.0/255*color_me))6color_me_embed=create_inception_embedding(gray_me)7color_me=rgb2lab(1.0/255*color_me)[:,:,:,0]8color_me=color_me+.reshape(color_me.shape+(1,))

神經網絡進行訓練后，做出最終的預測，并將其轉化為圖像。

在這里，我們使用一個灰度圖像作為輸入，并通過訓練好的神經網絡來運行它。我們取在 -1 ~ 1 之間所有的輸出值，然后乘以 128，就得到了 Lab 色譜中正確的顏色。

最后，用 三層 0 填充得到一個黑色的 RGB 畫布。然后從測試圖像中，復制灰度圖層。然后將這兩個顏色層添加到 RGB 畫布上。再將這個像素值數組轉換為圖片。

1#Testmodel2output=model.predict([color_me,color_me_embed])3output=output*1284#Outputcolorizations5foriinrange(len(output)):6cur=np.zeros((256,256,3))7cur[:,:,0]=color_me[i][:,:,0]8cur[:,:,1:]=output[i]9imsave("result/img_"+str(i)+".png",lab2rgb(cur))

結果

在小型數據集上的結果，訓練圖像數 = 10，測試圖像數 = 8；

▌測試數據：

▌經過50個輪數之后：

▌經過100個輪數之后：

▌經過1000個輪數之后：

▌經過2000個輪數之后：