Color Image Correction Using Deep Neural Networks

U ovome radu proučavamo korištenje duboke neuronske mreže za estimiranje iluminacije scene. Koristimo mrežu s jednim konvolucijskim slojem sa udruživanjem s maksimalnom vrijednošću, jedan potpuno povezani sloj te izlaz s tri čvora (jedan za svaku vrijednost kanala boje). Za treniranje mreže koristimo slike iz baze koja sadrži istinite vrijednosti iluminacije scena svih slika. Mreža na ulaz prima uzorke slika te daje lokalna predviđanja osvjetljenja za svaki uzorak. Globalno predviđanje osvjetljenja dobiva se jednostavno uzimanjem srednje vrijednosti svih lokalnih predviđanja. Predviđenu boju osvjetljenja scene tada možemo iskoristiti za uklanjanje neželjenog utjecaja boje osvjetljenja kromatskom adaptacijom. Korištenje dubokih mreža za rješavanje problema estimacije osvjetljenja scene daje izvrsne rezultate u usporedbi s ostalim metodama.In this work we describe using a deep neural network for estimating the scene illumination. The network we use consists of one convolutional layer with max pooling, one fully connected layer and an output layer with three nodes (one for each color channel). For training the network we use an image dataset that contains groundtruth scene illumination values for each image. The network takes image patches as input and gives local illumination predictions for every patch. The global estimate is calculated simply by taking the average of all the local estimates. The predicted scene illumination color values can then be used to remove unwanted illumination effects using chromatic adaptation. Using deep neural networks for solving the problem of estimating the scene illumination produces excellent results compared to other methods