The application discloses a face image generation method and device, a storage medium and a computer device, and relates to the technical field of image generation, which can improve the accuracy of image recognition. The method includes: using the trained encoder to generate network model in the condition generation countermeasure network model to obtain the facial information of the face image to be processed; using the trained decoder to generate network model to generate the target facial image corresponding to the face image to be processed according to the facial information and the preset facial information. The application is applicable to improving the authenticity of face image generation, so that the generated face image has a higher image resolution.
【技术实现步骤摘要】
人脸图像生成方法及装置、存储介质、计算机设备
本申请涉及图像生成
,尤其是涉及到人脸图像生成方法及装置、存储介质及计算机设备。
技术介绍
伴随着生成式对抗网络(GAN:Generativeadversarialnets)技术的发展,神经网络不仅能够完成复杂的识别任务,还能够生成逼真的样本数据,例如图像、文本句子等数据。在人脸图像生成应用方面,国内外已经基于生成式对抗网络GAN做出了很多较好的成绩,但是在生成特定人脸领域,还没有重大的突破。在现有的人脸图像生成技术中,通常根据特定的属性条件进行人脸图像生成,具体为,预先设定一些属性标签,例如,“男性”、“女性”、“金色头发”、“是否微笑”、“是否张嘴”等,并将上述属性标签移植到另一人脸上,以实现新的人脸图像的生成,即根据挑选的属性标签生成对应的人脸图像。现有技术存在的不足在于,利用属性标签,例如,5维属性二值标签向量00100,作为图像生成的条件限制具有一定的局限性,即图像的属性只能局限在所提供的标签范围内,属性多样性较差,且通过属性标签进行属性的限定,导致生成的人脸图像在细节处理上痕迹较重,真实度较低,实用性较差。
技术实现思路
有鉴于此,本申请提供了人脸图像生成方法及装置、存储介质、计算机设备,主要目的在于解决现有人脸图像生成技术受属性标签的局限性影响,导致生成的人脸图像在细节处理上痕迹较重,真实度较低,实用性较差的技术问题。根据本申请的一个方面,提供了一种人脸图像生成方法,该方法包括:利用条件生成对 ...
【技术保护点】
1.一种人脸图像生成方法,其特征在于,包括:/n利用条件生成对抗网络模型中训练好的生成网络模型的编码器,获取待处理人脸图像的神态信息;/n利用训练好的生成网络模型的解码器,根据所述神态信息和预设的容貌信息生成对应所述待处理人脸图像的目标人脸图像。/n
【技术特征摘要】
1.一种人脸图像生成方法,其特征在于,包括:
利用条件生成对抗网络模型中训练好的生成网络模型的编码器,获取待处理人脸图像的神态信息;
利用训练好的生成网络模型的解码器,根据所述神态信息和预设的容貌信息生成对应所述待处理人脸图像的目标人脸图像。
2.根据权利要求1所述的方法,其特征在于,所述利用条件生成对抗网络模型中训练好的生成网络模型的编码器,获取待处理人脸图像的神态信息之前,具体还包括:
构建所述条件生成对抗网络模型的初始生成网络模型和初始判别网络模型;
对所述初始判别网络模型进行训练,得到训练好的判别网络模型;
其中,所述对所述初始判别网络模型进行训练,得到训练好的判别网络模型,具体包括:
利用条件生成对抗网络模型的初始生成网络模型,根据初始人脸图像样本获取实际人脸图像样本;
根据获取到的实际人脸图像样本和预设的期望人脸图像样本,对所述初始判别网络模型进行训练,得到训练好的判别网络模型。
3.根据权利要求2所述的方法,其特征在于,所述根据获取到的实际人脸图像样本和预设的期望人脸图像样本,对所述初始判别网络模型进行训练,得到训练好的判别网络模型,具体包括:
根据所述初始人脸图像样本和实际人脸图像样本对所述初始判别网络模型进行训练,得到用于判别所述实际人脸图像样本为伪造人脸图像的第一判别网络模型;
根据所述初始人脸图像样本和预设的期望人脸图像样本对所述第一判别网络模型进行训练,得到用于判别所述预设的期望人脸图像样本为真实人脸图像的第二判别网络模型。
4.根据权利要求2所述的方法,其特征在于,还包括:对所述初始生成网络模型进行训练,得到训练好的生成网络模型,具体包括:
利用初始生成网络模型的编码器对初始人脸图像样本进行编码,得到所述初始人脸图像样本的高层特征;
利用初始生成网络模型的解码器对所述初始人脸图像样本的高层特征进行解码,得到对应所述初始人脸图像样本的包含所述高层特征的实际人脸图像样本;
根据得到的所述实际人脸图像样本和初始人脸图像样本,对所述初始生成网络模型进行训练,得到训练好的生成网络模型;
其中,所述根据得到的所述实际人脸图像样本和初始人脸图像样本,对所述初始生成网络模型进行训练,得到训练好的生成网络模型,具体包括:
根据得到的所述实际人脸图像样本和初始人脸图像样本,对所...
【专利技术属性】
技术研发人员:王健宗,赵峰,
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。