卷积神经网络是由生物学上的视觉皮层获得启发的，视觉皮层的小部分神经元细胞对特定的视觉特征敏感，例如一些神经元细胞只对色彩信息兴奋，一些神经元细胞只对水平边缘或者垂直边缘兴奋。Hubel 和 Wisesl 发现这些神经元细胞必须以柱状结构的形态排列，而且同时进行工作时才能产生视觉感知。这种在一个系统中由特定组件寻找特定特征的理念在机器学习中同样适用，这也是卷积神经网络的基础。卷积神经网络是根据模拟生

论文介绍：1）基于Retinex的Real-low to Real-normal Network2）三个子网：Decom-Net、Denoise-Net、Relight-Net分别用于分解、去噪、对比度增强和细节保存3）收集了第一个大规模真实世界配对低/正常光图像数据集（LSRW 数据集）