公开(公告)号：CN113077382B

公开(公告)日：2024-01-12

申请号：CN202110457719.8

申请日：2021-04-27

Applicant: 东南大学

Inventor： 夏亦犁 ,  朱佳燚 ,  裴文江

IPC: G06T3/04 ,  G06V40/16 ,  G06V10/774 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于BEMD和深度学习的美颜图像还原方法，旨在从美颜图像中恢复出原始未美颜图像的亮度以及人脸上的皱纹、雀斑等信息，从而解决当今社会美颜图像的“照骗”所造成的社会信任危机。其主要操作过程是：首先，从IMDB‑WIKI人脸数据集中挑选照片，组成本发明的人像数据集。其次，构建一个成分递归神经网络模型，包含一个普通网络和若干个子网络，其输入是美颜图像，子网络的训练监督标签是原始未美颜图像经过BEMD得到的各个不同频率的分量。最后，对各个子网络的预测图像进行相加，得到还原图像。本发明方法通过构造成分递归网络，在恢复出图像整体轮廓信息的同时，也能够较好的恢复其中的细节信息。

公开(公告)号：CN113077382A

公开(公告)日：2021-07-06

申请号：CN202110457719.8

申请日：2021-04-27

Applicant: 东南大学

Inventor： 夏亦犁 ,  朱佳燚 ,  裴文江

IPC: G06T3/00 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于BEMD和深度学习的美颜图像还原方法，旨在从美颜图像中恢复出原始未美颜图像的亮度以及人脸上的皱纹、雀斑等信息，从而解决当今社会美颜图像的“照骗”所造成的社会信任危机。其主要操作过程是：首先，从IMDB‑WIKI人脸数据集中挑选照片，组成本发明的人像数据集。其次，构建一个成分递归神经网络模型，包含一个普通网络和若干个子网络，其输入是美颜图像，子网络的训练监督标签是原始未美颜图像经过BEMD得到的各个不同频率的分量。最后，对各个子网络的预测图像进行相加，得到还原图像。本发明方法通过构造成分递归网络，在恢复出图像整体轮廓信息的同时，也能够较好的恢复其中的细节信息。