The invention discloses a training method for removing netting system, a method for removing netting, a device, a device and a medium. The training method of the de-reticulation system includes obtaining the first error function based on the position of the reticulation and the preset label value, obtaining the second error function based on the simulation picture and the training sample without reticulation, obtaining the third error function and the fourth error function according to the discriminant result, and obtaining the fifth error function according to the feature A and B, and combining the basis. According to the characteristics of the generative countermeasure network, the sixth error function and the seventh error function are obtained respectively according to the second error function, the third error function, the third error function and the fifth error function. Then the error function is constructed according to the training error, and the error function is used to update the network of each part of the network system. The parameters of the collaterals. The system eliminates many error factors that affect the effect of the de-reticulation system in the training process of the de-reticulation system, making the de-reticulation effect of the de-reticulation system better.
【技术实现步骤摘要】
去网纹系统训练方法、去网纹方法、装置、设备及介质
本专利技术涉及图像处理领域,尤其涉及一种去网纹系统训练方法、去网纹方法、装置、设备及介质。
技术介绍
目前的证件照很多是经过加网纹处理的,以提高证件照的安全性。但加了网纹的证件照,很难进行人脸特征点的检测,使得其无法直接进行人脸识别。因此,在进行人脸特征点的检测之前需要先去掉网纹,才能够进行人脸识别。目前业界的去网纹模型的去网纹效果比较差,容易使得去网纹后的证件照或者其他图片上的人脸出现变形的现象。
技术实现思路
本专利技术实施例提供一种去网纹系统训练方法、装置、设备及介质,以解决当前去网纹模型的去网纹效果差的问题。一种去网纹系统训练方法,包括:提取待训练样本,所述待训练样本包括样本数量相等的带网纹训练样本和不带网纹训练样本;将所述带网纹训练样本输入到网纹提取器中,提取网纹位置,基于所述网纹位置和预设的标签值获取第一误差函数,并根据所述第一误差函数更新网纹提取器的网络参数;将所述网纹位置和所述带网纹训练样本输入到生成式对抗网络生成器中,生成仿真图片,并基于所述仿真图片和所述不带网纹训练样本获取第二误差函数;将所述仿真图片和所述不带网纹训练样本输入到生成式对抗网络判别器中,获取判别结果,并根据所述判别结果获取第三误差函数和第四误差函数;采用预先训练好的人脸识别模型提取所述仿真图片的特征A和所述不带网纹训练样本的特征B,根据所述特征A和所述特征B获取第五误差函数;获取第六误差函数,根据所述第六误差函数更新生成式对抗网络生成器中的网络参数,其中,第六误差函数=第二误差函数+第三误差函数+第五误差函数;获取第七误差函数 ...
【技术保护点】
1.一种去网纹系统训练方法,其特征在于,包括:提取待训练样本,所述待训练样本包括样本数量相等的带网纹训练样本和不带网纹训练样本;将所述带网纹训练样本输入到网纹提取器中,提取网纹位置,基于所述网纹位置和预设的标签值获取第一误差函数,并根据所述第一误差函数更新网纹提取器的网络参数;将所述网纹位置和所述带网纹训练样本输入到生成式对抗网络生成器中,生成仿真图片,并基于所述仿真图片和所述不带网纹训练样本获取第二误差函数;将所述仿真图片和所述不带网纹训练样本输入到生成式对抗网络判别器中,获取判别结果,并根据所述判别结果获取第三误差函数和第四误差函数;采用预先训练好的人脸识别模型提取所述仿真图片的特征A和所述不带网纹训练样本的特征B,根据所述特征A和所述特征B获取第五误差函数;获取第六误差函数,根据所述第六误差函数更新生成式对抗网络生成器中的网络参数,其中,第六误差函数=第二误差函数+第三误差函数+第五误差函数;获取第七误差函数,根据所述第七误差函数更新生成式对抗网络判别器中的网络参数,其中,第七误差函数=第四误差函数+第五误差函数。
【技术特征摘要】
1.一种去网纹系统训练方法,其特征在于,包括:提取待训练样本,所述待训练样本包括样本数量相等的带网纹训练样本和不带网纹训练样本;将所述带网纹训练样本输入到网纹提取器中,提取网纹位置,基于所述网纹位置和预设的标签值获取第一误差函数,并根据所述第一误差函数更新网纹提取器的网络参数;将所述网纹位置和所述带网纹训练样本输入到生成式对抗网络生成器中,生成仿真图片,并基于所述仿真图片和所述不带网纹训练样本获取第二误差函数;将所述仿真图片和所述不带网纹训练样本输入到生成式对抗网络判别器中,获取判别结果,并根据所述判别结果获取第三误差函数和第四误差函数;采用预先训练好的人脸识别模型提取所述仿真图片的特征A和所述不带网纹训练样本的特征B,根据所述特征A和所述特征B获取第五误差函数;获取第六误差函数,根据所述第六误差函数更新生成式对抗网络生成器中的网络参数,其中,第六误差函数=第二误差函数+第三误差函数+第五误差函数;获取第七误差函数,根据所述第七误差函数更新生成式对抗网络判别器中的网络参数,其中,第七误差函数=第四误差函数+第五误差函数。2.根据权利要求1所述的去网纹系统训练方法,其特征在于,所述基于所述网纹位置和预设的标签值获取第一误差函数,并根据所述第一误差函数更新网纹提取器的网络参数,包括:获取所述网纹位置的每一像素值,将每一所述像素值进行归一化处理,获取归一化像素值;其中,获取归一化像素值的公式为MaxValue表示所述网纹位置的所有像素值中的最大值,MinValue表示所述网纹位置的所有像素值中的最小值,x为每一像素值,y为归一化像素值;获取所述网纹位置的归一化像素值和对应的不带网纹训练样本的归一化像素值的像素差;若所述像素差大于预设分界值,则将所述网纹位置对应的所述归一化像素值取作1,若所述像素差不大于所述预设分界值,则将所述网纹位置对应的所述归一化像素值取作0,获取二值化网纹位置;根据所述二值化网纹位置的每一像素值和预设的标签值对应的每一像素值进行计算,获取第一误差函数,并根据所述第一误差函数更新网纹提取器的网络参数;其中第一误差函数的计算公式为其中,n为像素值个数,xi表示所述二值化网纹位置的第i个像素值,yi表示预设的标签值与所述xi相对应的第i个像素值。3.根据权利要求1所述的去网纹系统训练方法,其特征在于,第二误差函数的计算公式为其中,n为像素值个数,xi表示所述仿真图片的第i个像素值,yi表示所述不带网纹训练样本与所述xi相对应的第i个像素值。4.根据权利要求1所述的去网纹系统训练方法,其特征在于,所述判别结果为D(G(X))和D(Y),X表示所述生成式对抗网络生成器的输入,X由n个xi组成,xi表示生成式对抗网络生成器输入的第i个像素值,G(X)表示所述生成式对抗网络生成器的输出,D(G(X))表示所述生成式对抗网络生成器的输出在所述生成式对抗网络判别器的输出,Y表示所述不带网纹训练样本在所述生成式对抗网络判别器的输入,Y由n个yi组成,yi表示所述不带网纹训练样本输入到所述生成式对抗网络判别器的第i个像素值,D(Y)表示所述不带网纹训练样本在所述生成式对抗网络判别器的输出;所述第三误差函数的计算公式为所述第四误差函数的计算公式为5.根据权利要求1所述的去网纹系统训练方法,其特征在于,所述采用预先训练好的人脸识别模型提取所述仿真图片的特征A和所述不带网纹训练样本的特征B,根据所述特征A和所述特征B获取第五误差函数...
【专利技术属性】
技术研发人员:徐玲玲,
申请(专利权)人:平安科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。