内置数据集、测试图片、测试代码，确保打开即可使用。注意OpenCV版本尽量用4以上，3可能会报错。

此repo是 Colorization的pytorch实现。 在ECCV中，2016年。 版本信息：pytorch 0.3.0，python 3.5 安装 git clone 培训和验证 从头开始培训： python main.py 或从指定时间点恢复训练： python main.py -R *** 以上两个命令默认都支持交叉验证，可以通过添加选项-V False.来关闭交叉验证-V False. 更详细的配置设置，请参考 推理 python main.py -T False -I *** # *** means the inference step. DAVIS 2017的结果 训练损耗曲线 注意：如您所见，我没有训练足够的时间（因为我没有NVIDIA的支持...）。初始lr为3.16e-4，原始为3.16e-5。 致谢 如代码中所述，该代码的某些部分是从richzha

这里的算法基于一个简单的前提，即时空附近具有相似灰度级的像素也应该具有相似的颜色。适合用于视频和图像着色处理。

pytorch-colorful-colorization-report:Zhang等人从零开始的PyTorch实现“彩色图像着色”。 - 实验报告

给出一副彩色的源图像，一副待着色的目标图像，尽量减少人的交互，从源图像中取色，赋到灰度图像上去

使用生成的专业网络对图像进行着色 ██████╗ ██████╗ ██╗ ██████╗ ██████╗ ██╗███████╗███████╗ ██╔════╝██╔═══██╗██║ ██╔═══██╗██╔══██╗██║╚══███╔╝██╔════╝ ██║ ██║ ██║██║ ██║ ██║██████╔╝██║ ███╔╝ █████╗ ██║ ██║ ██║██║ ██║ ██║██╔══██╗██║ ███╔╝ ██╔══╝ ╚██████╗╚██████╔╝███████╗╚██████╔╝██║ ██║██║███████╗███████╗ ╚═════╝ ╚═════╝ ╚══════╝ ╚═════╝ ╚═╝ ╚═╝╚═╝╚══════╝╚══════╝ 这是。 对于一些应用