用于训练换脸模型的方法和设备技术

本申请实施例公开了用于训练换脸模型的方法和设备。该方法的一具体实施方式包括：接收用户发送的换脸模型训练请求，其中，换脸模型训练请求中包括用户提供的换脸前人脸样本集和指定的模板人脸标识；从模板人脸标识对应的预训练模型集中确定与换脸前人脸样本集匹配的预训练模型，其中，预训练模型集包括基于目标人脸样本集组和模板人脸标识对应的模板人脸样本集组预先训练过的模型；从模板人脸样本集组中确定与换脸前人脸样本集匹配的模板人脸样本集；利用机器学习方法，基于换脸前人脸样本集和所确定的模板人脸样本集对所确定的预训练模型进行训练，得到换脸模型。该实施方式节省了换脸模型的训练耗时，提高了换脸模型的训练效率。

Methods and equipment for training face changing models

【技术实现步骤摘要】
用于训练换脸模型的方法和设备
本申请实施例涉及计算机
，具体涉及用于训练换脸模型的方法和设备。
技术介绍
目前流行的深度换脸框架中，通常采用生成式对抗网络(GenerativeAdversarialNetworks，GAN)的技术，能够得到令人满意的人脸生成效果。在通用的生成式对抗网络框架的模型训练上，虽然在足够的样本和算力基础上，能够保证生成高质量的人脸，但仍然存在训练时间漫长的问题，这将会影响深度换脸技术在实际应用中的前景以及用户体验。
技术实现思路
本申请实施例提出了用于训练换脸模型的方法和设备。第一方面，本申请实施例提供了一种用于训练换脸模型的方法，包括：接收用户发送的换脸模型训练请求，其中，换脸模型训练请求中包括用户提供的换脸前人脸样本集和指定的模板人脸标识；从模板人脸标识对应的预训练模型集中确定与换脸前人脸样本集匹配的预训练模型，其中，预训练模型集包括基于目标人脸样本集组和模板人脸标识对应的模板人脸样本集组预先训练过的模型；从模板人脸样本集组中确定与换脸前人脸样本集匹配的模板人脸样本集；利用机器学习本文档来自技高网...

【技术保护点】
1.一种用于训练换脸模型的方法，包括：/n接收用户发送的换脸模型训练请求，其中，所述换脸模型训练请求中包括用户提供的换脸前人脸样本集和指定的模板人脸标识；/n从所述模板人脸标识对应的预训练模型集中确定与所述换脸前人脸样本集匹配的预训练模型，其中，所述预训练模型集包括基于目标人脸样本集组和所述模板人脸标识对应的模板人脸样本集组预先训练过的模型；/n从所述模板人脸样本集组中确定与所述换脸前人脸样本集匹配的模板人脸样本集；/n利用机器学习方法，基于所述换脸前人脸样本集和所确定的模板人脸样本集对所确定的预训练模型进行训练，得到换脸模型。/n

【技术特征摘要】
1.一种用于训练换脸模型的方法，包括：
接收用户发送的换脸模型训练请求，其中，所述换脸模型训练请求中包括用户提供的换脸前人脸样本集和指定的模板人脸标识；
从所述模板人脸标识对应的预训练模型集中确定与所述换脸前人脸样本集匹配的预训练模型，其中，所述预训练模型集包括基于目标人脸样本集组和所述模板人脸标识对应的模板人脸样本集组预先训练过的模型；
从所述模板人脸样本集组中确定与所述换脸前人脸样本集匹配的模板人脸样本集；
利用机器学习方法，基于所述换脸前人脸样本集和所确定的模板人脸样本集对所确定的预训练模型进行训练，得到换脸模型。


2.根据权利要求1所述的方法，其中，所述从所述模板人脸标识对应的预训练模型集中确定与所述换脸前人脸样本集匹配的预训练模型，包括：
若所述用户的历史换脸记录中存在所述模板人脸标识对应的预训练模型，将所述模板人脸标识对应的预训练模型确定为与所述换脸前人脸样本集匹配的预训练模型。


3.根据权利要求2所述的方法，其中，所述从所述模板人脸标识对应的预训练模型集中确定与所述换脸前人脸样本集匹配的预训练模型，还包括：
若所述用户的历史换脸记录中不存在所述模板人脸标识对应的预训练模型，识别所述换脸前人脸样本集的人脸属性信息；
基于所识别的人脸属性信息，从所述预训练模型集中确定预训练模型。


4.根据权利要求3所述的方法，其中，所述人脸属性信息包括以下至少一种维度的信息：性别、年龄段、人种、脸部饰品、脸型。


5.根据权利要求4所述的方法，其中，所述识别所述换脸前人脸样本集的人脸属性信息，包括：
将所述换脸前人脸样本集输入至预先训练的第一分类模型，得到所述换脸前人脸样本集的性别、年龄段、人种、脸部饰品中的至少一种维度的信息，其中，所述第一分类模型是基于卷积神经网络的分类模型。


6.根据权利要求4或5所述的方法，其中，所述识别所述换脸前人脸样本集的人脸属性信息，包括：
提取所述换脸前人脸样本集的人脸脸型分类特征；
将所提取的人脸脸型分类特征输入至预先训练的第二分类模型，得到所述换脸前人脸样本集的脸型，其中，所述第二分类模型是基于支持向量机的分类模型。


7.根据权利要求6所述的方法，其中，所述提取所述换脸前人脸样本集的人脸脸型分类特征，包括：
提取所述换脸前人脸样本集的人脸特征点信息；
基于所提取的人脸特征点信息，计算所述换脸前人脸样本集的人脸测量参数；
将所提取的人脸特征点信息和所计算的人脸测量参数合并为所述换脸前人脸样本集的人脸脸型分类特征。


8.根据权利要求3所述的方法，其中，所述基于所识别的人脸属性信息，从所述预训练模型集中确定预训练模型，包括：
从所述预训练模型集中确定与所识别的人脸属性信息匹配的预训练模型子集；
计算所述换脸前人脸样本集与所述预训练模型子集中的预训练模型对应的目标人脸样本集的相似度；
基于所计算的相似度，从所述预训练模型子集中确定预训练模型。


9.根据权利要求8所述的方法，其中，所述计算所述换脸前人脸样本集与所述预训练模型子集中的预训练模型对应的目标人脸样本集的相似度，包括：
提取所述换脸前人脸样本集的平均人脸特征向量；
计算所提取的平均人脸特征向量与所述预训练模型子集中的预训练模型对应的目标人脸样本集的平均人脸特征向量的余弦相似度。


10.根据权利要求1所述的方法，其中，所述从所述模板人脸样本集组中确定与所述换脸前人脸样本集匹配的模板人脸样本集，包括：
提取所述换脸前人脸样本集的...

【专利技术属性】
技术研发人员：徐伟，罗琨，陈晓磊，
申请(专利权)人：上海掌门科技有限公司，
类型：发明
国别省市：上海;31