使用白平衡仿真的颜色增强方法。它改进了图像分类和图像语义分割等不同计算机视觉任务的模型的结果。
这就是我们论文的实施:还有什么能骗得了深度学习?解决颜色恒常性误差对深度神经网络性能的影响。国际计算机视觉大会(ICCV), 2019年。
项目页面:http://cvil.eecs.yorku.ca/projects/public_html/wb_emulation/index.html
开始:
1.运行“install_.m”
2.试试我们的演示:
*’demo_single_image。m处理符号图像
* demo_batch。m来处理一个映像目录
* demo_WB_color_augmentation。m处理一个图像目录,并为生成的图像重复相应的ground truth文件
* demo_GUI(位于' GUI '目录中)用于一个GUI界面
3.要在你的密码内使用WB增压器,请按以下步骤:
*运行install_()或addpath到代码/模型目录:
目录(“src”);
目录(“模型”);
%或使用install_ ()
*加载我们的模型:
负载(“synthWBmodel.mat”);%负载WB_emulator
*运行WB仿真器:
= WB_emulator。generate_wb_srgb(我NumOfImgs);
*使用生成的图像:
new_img =出(::,:,我);%访问第i个生成的图像
如果您使用这个代码,请注明我们的论文。
Mahmoud Afifi和Michael S. Brown。还有什么能骗过深度学习?解决颜色恒常性误差对深度神经网络性能的影响。国际计算机视觉大会(ICCV), 2019年。
1.0.3 | 更新后的总结 |
|
1.0.2中 | 更新描述 |
|
1.0.1 | 更新描述 |