摘要
本发明涉及高动态范围图像重建领域,具体涉及一种基于语义掩码的鲁棒高动态范围图像重建方法。包含以下步骤:步骤1 数据预处理;步骤2 构造模型;步骤3 损失函数设计;步骤4 模型训练。本发明提出一个基于语义掩码建模的HDR图像重建方法SMHDR,首先将掩码建模机制和语义分割大模型先验进行融合,结合课程学习训练策略,逐步挖掘输入图像的语义信息。通过提高模型对输入图像的语义理解,增强模型对输入场景的泛化能力,避免过拟合训练数据。随后设计输入数量无关的模型结构,有效应对不同输入数量的场景,提高模型对输入数量的泛化能力。最后设计感知引导的损失函数,基于语义先验和重建质量来提升困难区域的重建质量,获得更好的感知质量。
技术关键词
图像重建方法
LDR图像
注意力
损失函数设计
语义先验
动态
特征提取模块
浅层特征提取
通道
输出特征
场景
周期
超参数
分支
校正
多层感知机