1.主要内容
（1）项目概述
在图片处理的世界中，AI不仅用于识别和分析，还可以赋予灰度照片色彩，为其注入新的生命。今天，我们将探讨一种通过深度学习模型为灰度图片上色的技术。
①参考文献
Colorful Image Colorization：
一种前向encoder+ 反向decoder+ab概率分布预测的网络结构，首先预测出ab通道的概率分布，之后转成ab色道具体值。可概括3点：设计损失函数+加权平滑像素损失 + 概率分布转点估计。
Real-Time User-Guided Image Colorization with Learned Deep Priors：
一种用于用户引导图像着色的深度学习方法。该系统使用卷积神经网络 (CNN) 将灰度图像以及稀疏的本地用户“提示”直接映射到输出着色。该网络不是使用手动定义的规则，而是通过融合从大规模数据中学习到的低级线索和高级语义信息来传播用户编辑。
②代码示例
https://github.com/richzhang/colorization
import colorizers# 加载预训练的着色器
colorizer_eccv16 = colorizers.eccv16().eval()
colorizer_siggraph17 = colorizers.siggraph17().eval()# 对图像进行着色
input_image = '1.jpg'
output_image1 = colorizer_eccv16(input_image) # 输出着色后的图像
output_image2 = colorizer_siggraph17(input_image) # 输出着色后的图像③本文设计的界面
基于gradio设计的交互界面，可以实现图片/视频导入、不同模型测试对比。
AI实践项目——图片视频自动上色系统，让旧照片焕然一新
最后：
小编会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner，gui设计、simulink仿真......希望能帮到你！
