材质建模是图形学研究与应用中的热点问题，目的是通过建模确定材质表观的纹理、法向、反射率和粗糙度等属性，从而提高对物体渲染的真实感。为了解决传统的材质建模需要耗费大量人力物力和时间，目前有人提出利用深度学习的方式实现材质的建模。本文在Xiao　Li　提出的Pre-Net的基础上，对过拟合及预测精度问题进行研究，提出了改进模型的方法，通过添加Dropout层和Inception结构，从而减少过拟合现象并提高了模型的预测精度，同时使用批渲染技术快速大量地获取到实验所需的训练数据。实验表明，本文方法可以使模型的预测结果更加准确，泛化能力也更强。