技术总结
本发明涉及一种基于机器学习的图像解构方法,包括以下步骤:1)建立四层卷积神经网络,作为相对反射率分类器;2)从数据集中获取第一图片的多组像素对信息;3)将所述像素对信息及对所述第一图片进行大小调整后的第二图片作为所述四层卷积神经网络的输入,获得分类结果;4)根据所述分类结果生成一hinge loss最优化问题;5)对所述hinge loss最优化问题进行CFR求解,获得所述第一图片的解构结果。与现有技术相比,本发明具有图片解构结果更加精致、平滑等优点。
技术研发人员:盛斌;刘君毅
受保护的技术使用者:上海交通大学
文档号码:201610784056
技术研发日:2016.08.31
技术公布日:2017.02.15