如何捕获一只彩色卓别林？黑白照片AI上色教程很友好

访问flyai.club，一键创建你的人工智能项目

老照片的手动着色魔法

妈妈小时候已经有彩色照片了，不过那些照片，还是照相馆的人类手动上色的。

几十年之后，人们已经开始培育深度神经网络，来给老照片和老电影上色了。

来自哈佛大学的Luke Melas-Kyriazi (我叫他卢克吧) ，用自己训练的神经网络，把卓别林变成了彩色的卓别林，清新自然。

作为一只哈佛学霸，卢克还为钻研机器学习的小伙伴们写了一个基于PyTorch的教程。

虽然教程里的模型比给卓别林用的模型要简约一些，但效果也是不错了。

问题是什么？

卢克说，给黑白照片上色这个问题的难点在于，它是多模态的——与一幅灰度图像对应的合理彩色图像，并不唯一。

这并不是正确示范

传统模型需要输入许多额外信息，来辅助上色。

而深度神经网络，除了灰度图像之外，不需要任何额外输入，就可以完成上色。

在彩色图像里，每个像素包含三个值，即亮度、饱和度以及色调。

而灰度图像，并无饱和度和色调可言，只有亮度一个值。

所以，模型要用一组数据，生成另外两足数据。换句话说，以灰度图像为起点，推断出对应的彩色图像。

为了简单，这里只做了256 x 256像素的图像上色。输出的数据量则是256 x 256 x 2。

关于颜色表示，卢克用的是LAB色彩空间，它跟RGB系统包含的信息是一样的。

但对程序猿来说，前者比较方便把亮度和其他两项分离开来。

数据也不难获得，卢克用了MIT Places数据集，中的一部分。内容就是校园里的一些地标和风景。然后转换成黑白图像，就可以了。以下为数据搬运代码——

1# Download and unzip (2.2GB)

2!wget http://data.csail.mit.edu/places/places205/testSetPlaces205_resize.tar.gz

3!tar -xzf testSetPlaces205_resize.tar.gz

1# Move data into training and validation directories

2importos

3os.makedirs('images/train/class/', exist_ok=True)# 40,000 images

4os.makedirs('images/val/class/', exist_ok=True)# 1,000 images

5fori, fileinenumerate(os.listdir('testSet_resize')):

6ifi

7os.rename('testSet_resize/'+ file,'images/val/class/'+ file)

8else:# others will be val

9os.rename('testSet_resize/'+ file,'images/train/class/'+ file)

1# Make sure the images are there

2fromIPython.displayimportImage, display

3display(Image(filename='images/val/class/84b3ccd8209a4db1835988d28adfed4c.jpg'))

好用的工具有哪些？

搭建模型和训练模型是在PyTorch里完成的。

还用了torchvishion，这是一套在PyTorch上处理图像和视频的工具。

另外，scikit-learn能完成图片在RGB和LAB色彩空间之间的转换。

1# Download and import libraries

2!pip install torch torchvision matplotlib numpy scikit-image pillow==4.1.1

1# For plotting

2importnumpyasnp

3importmatplotlib.pyplotasplt

4%matplotlib inline

5# For conversion

6fromskimage.colorimportlab2rgb, rgb2lab, rgb2gray

7fromskimageimportio

8# For everything

9importtorch

10importtorch.nnasnn

11importtorch.nn.functionalasF

12# For our model

13importtorchvision.modelsasmodels

14fromtorchvisionimportdatasets, transforms

15# For utilities

16importos, shutil, time

模型长什么样？

神经网络里面，第一部分是几层用来提取图像特征；第二部分是一些反卷积层 (Deconvolutional Layers) ，用来给那些特征增加分辨率。

具体来说，第一部分用的是ResNet-18，这是一个图像分类网络，有18层，以及一些残差连接 (Residual Connections) 。

给第一层做些修改，它就可以接受灰度图像输入了。然后把第6层之后的都去掉。

然后，用代码来定义一下这个模型。

从神经网络的第二部分(就是那些上采样层) 开始。

下一步，创建模型吧。

它是怎么训练的？

预测每个像素的色值，用的是回归 (Regression) 的方法。

损失函数 (Loss Function)

所以，用了一个均方误差 (MSE) 损失函数——让预测的色值与参考标准 (Ground Truth) 之间的距离平方最小化。

优化损失函数

这里是用Adam Optimizer优化的。

加载数据

用torchtext加载数据。首先定义一个专属的数据加载器 (DataLoader) ，来完成RGB到LAB空间的转换。

再来，就是定义训练数据和验证数据的转换。

辅助函数 (Helper Function)

训练开始之前，要把辅助函数写好，来追踪训练损失，并把图像转回RGB形式。

验证

不用反向传播 (Back Propagation)，直接用torch.no_grad() 跑模型。

训练

用loss.backward()，用上反向传播。写一下训练数据跑一遍 (one epoch) 用的函数。

然后，定义一个训练回路 (Training Loop) ，跑一百遍训练数据。从Epoch 0开始训练。

1# Move model and loss function to GPU

2ifuse_gpu:

3criterion = criterion.cuda()

4model = model.cuda()

1# Make folders and set parameters

2os.makedirs('outputs/color', exist_ok=True)

3os.makedirs('outputs/gray', exist_ok=True)

4os.makedirs('checkpoints', exist_ok=True)

5save_images =True

6best_losses =1e10

7epochs =100

训练结果什么样？

是时候看看修炼成果了，所以，复制一下这段代码。

效果还是很自然的，虽然生成的彩色图像不是那么明丽。

卢克说，问题是多模态的，所以损失函数还是值得推敲。

比如，一条灰色裙子可以是蓝色也可以是红色。如果模型选择的颜色和参考标准不同，就会受到严厉的惩罚。

这样一来，模型就会选择哪些不会被判为大错特错的颜色，而不太选择非常显眼明亮的颜色。

没时间怎么办？

卢克还把一只训练好的AI放了出来，不想从零开始训练的小伙伴们，也可以直接感受他的训练成果，只要用以下代码下载就好了。

1# Download pretrained model

2!wget https://www.dropbox.com/s/kz76e7gv2ivmu8p/model-epoch-93.pth

3#https://www.dropbox.com/s/9j9rvaw2fo1osyj/model-epoch-67.pth

1# Load model

2pretrained = torch.load('model-epoch-93.pth', map_location=lambdastorage, loc: storage)

3model.load_state_dict(pretrained)

彩色老电影？

如果想要更加有声有色的结局，就不能继续偷懒了。卢克希望大家沿着他精心铺就的路，走到更远的地方。

要替换当前的损失函数，可以参考Zhang et al. (2017)：

https://richzhang.github.io/ideepcolor/

无监督学习的上色大法，可以参考Larsson et al. (2017)：

http://people.cs.uchicago.edu/~larsson/color-proxy/

另外，可以做个手机应用，就像谷歌在I/O大会上发布的着色软件那样。

黑白电影，也可以自己去尝试，一帧一帧地上色。

这里有卓别林用到的完整代码：

https://github.com/lukemelas/Automatic-Image-Colorization/

— End —