【发布时间】：2021-10-06 17:09:37
【问题描述】：
我正在尝试构建一个将灰度图像转换为彩色图像的模型。所以我使用彩色图像和灰度图像的组合来训练 cnn 模型。虽然训练和损失的准确性很好，但与实际相比，val loss 高，Val 准确率低，因此我得出结论，这是过度拟合，尽管我应用了 dropouts、batch normalization、图像增强。结果是一样的。因此，我认为由于发送一半图像为彩色图像而另一半图像为灰度图像，模型变得过度拟合。我该如何克服它？
【问题讨论】：
-
你真的相信可以从灰色中恢复颜色吗？
-
不，但我看过 ieee 纸，他们在灰度和彩色图像上训练为彩色图像，但总共可能没有 70-80% 的人能够为图像着色。所以只是想尝试一下它是如何工作的
-
@YvesDaoust “检索”是一个大词。 OP要求“转换”，但我想“似是而非的幻觉”会更合适。这是一个活跃的研究领域，最近在自然场景方面的成果令人印象深刻。
-
@FrancescoCallari：要将灰色转换为 RGB，将所有组件一式三份。如果转换的意思是“分配随机颜色”，那就继续吧。
标签： image-processing deep-learning conv-neural-network grayscale