ساختار تمام خودکار قطعه بندی نرم رنگ در باز رنگ آمیزی تصویر به صورت زنده

که هدف آن اختصاص توزیع احتمال به هر پیکسل در یک تصویر است که نشان دهنده احتمال تعلق آن پیکسل به یک کلاس رنگی خاص است. بر خلاف تقسیم بندی سنتی، که در هر تقسیم بندی نرم رنگ یکی از روش های نوین در بازرنگ آمیزی تصویر است. استفاده از حاصل لایه های نرم رنگ جهت تجزیه لایه های رنگی مورد نظر است. در روش موجود چالش هایی در روند تجزیه لایه ها وجود دارد که در این مقاله سعی شده است با استفاده از یک شبکه عصبی مبتنی بر یادگیری عمیق و الگوریتم های پیشنهادی، مدلی بهینه ارائه شود. راستا برای اختلاف رنگ، یک روش مبتکرانه برای تعیین مقادیر حالت ممکن تعداد و مقادیر رنگ های بالت استفاده شده است که نتیجه مدل پیشنهادی به طور کاملا خودکار روند قطعه بندی نرم رنگ را با استفاده از بالت رنگ های تجزیه لایه های پیشین و با استفاده از یادگیری عمیق با پارامترهای بهینه بهبود می دهد. سپس با استفاده از روش های یادگیری عمیق مبتنی بر شبکه عصبی (FCN) و الگوریتم های خوشه بندی در حدود ۵۵ درصد نسبت به روش پیشنهادی سریع تر عمل می کند و تنها این روش است که ویدیو با وضوح ۴k و سرعت ۴۰۰ فریم در ثانیه می تواند به صورت زنده تجزیه کند.

کلیدواژه ها:

باز رنگ آمیزی تصویر ، قطعه بندی تصویر ، قطعه بندی نرم رنگ ، یادگیری ماشین عمیق