申请/专利权人：郑州大学

申请日：2023-09-15

公开（公告）日：2024-01-26

公开（公告）号：CN117456049A

主分类号：G06T11/40

分类号：G06T11/40;G06T11/00;G06V10/764;G06V10/82;G06V10/56;G06N3/0464;G06N3/0455;G06N3/0895;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.01.26#公开

摘要：本发明提出了一种基于对比学习和颜色查找表LUT的照片滤镜去除方法，属于图像处理的技术领域，其中的方法包括：步骤一：获得输入照片的内容特征和样式特征。步骤二，根据样式特征得到该照片所带滤镜的颜色查找表LUT。步骤三，根据提取的样式特征和内容特征生成不带滤镜的照片。步骤四：根据生成的不带滤镜的照片和提取出来的颜色查找表LUT进行三线性插值生成带滤镜的照片。步骤五，对内容对比学习和样式对比学习损失函数不断训练，更好的帮助模型学会去除照片滤镜。

主权项：1.一种基于对比学习和颜色查找表LUT的照片滤镜去除方法，其特征在于，包括：对神经网络进行训练，得到神经网络参数模型；所述对神经网络进行训练，得到神经网络参数模型，包括：获得多个不带滤镜的原始照片和经过多种滤镜处理的带滤镜的原始照片；带滤镜的原始照片输入到神经网络之中进行特征的提取；经过编码器提取出来的样式特征经过分类器的判断得到的参数信息将作为基础颜色查找表CLUT的权重，对CLUT经过线性组合得到最终的颜色查找表LUT；经过编码器提取出来带滤镜的原始照片的内容特征，输入解码器解码可以生成不带滤镜的照片，去除滤镜；将生成的不带滤镜的照片和提取出来的颜色查找表LUT进行三线性插值，生成相应的带滤镜的照片，该照片将会用到模型的损失函数中；初始化神经网络，经过学习内容对比学习和样式对比学习损失函数，根据所述图像数据损失更新网络参数。帮助模型学习如何去除带有滤镜照片的滤镜。

全文数据：

权利要求：

百度查询： 郑州大学 一种基于对比学习和颜色查找表（LUT）的照片滤镜去除方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD