【技术实现步骤摘要】
一种基于人脸轮廓的人脸图像自动生成方法
本专利技术是一种基于人脸轮廓的人脸图像自动生成方法,属于计算机视觉领域。
技术介绍
在图像生成领域,人脸生成是一个很大的挑战,也有十分广阔的应用场景。近年来,关于人脸的相关技术研究十分火热。人脸检测,人脸识别,图像美学等人工智能技术在实现物联网一体化中有着举足轻重的作用。但是,人脸数据集的缺乏也大大制约了人脸检测等相关深度学习技术的发展。尽管公认的有一些特定人脸数据集,但是对于种类繁多的人脸相关技术来说,现有的数据集往往不够全面。大多数数据集都是欧美人脸,制约了其他地方人脸相关模型的训练。现有的解决办法是利用网络爬虫技术,搜集网络上人脸图片,但是这种方法搜集来的图片数据集,难以保证其质量,往往数据集的分布不平均,导致训练的结果无法令人满意。
技术实现思路
为了解决上述技术问题,本专利技术在当前人脸数据集不足且不全面的基础上提出了基于人脸轮廓的人脸图像自动生成方法。在结合了生成对抗网络之后,训练得到的人脸生成模型能够很好的实现高质量人脸图像的生成,流程简单功能强大。本专利技术的技术解决方案:一种基于人脸轮廓的人脸图像自动生成方法,包括如下步骤:步骤1、建立及准备数据集;步骤2、设计基于图像掩模mask的人脸图像生成模型;步骤3、训练基于mask的人脸图像生成模型;步骤4、使用matting对步骤3中的人脸图像生成模型进行输入数据的改进;步骤5、训练基于matting的人脸图像生成模型;步骤6、基于训练好的 ...
【技术保护点】
1.一种基于人脸轮廓的人脸图像自动生成方法,其特征在于,包括如下步骤:/n步骤1、建立及准备数据集;/n步骤2、设计基于图像掩模mask的人脸图像生成模型;/n步骤3、训练基于mask的人脸图像生成模型;/n步骤4、使用matting对步骤3中的人脸图像生成模型进行输入数据的改进;/n步骤5、训练基于matting的人脸图像生成模型;/n步骤6、基于训练好的人脸图像生成模型自动生成人脸图像。/n
【技术特征摘要】
1.一种基于人脸轮廓的人脸图像自动生成方法,其特征在于,包括如下步骤:
步骤1、建立及准备数据集;
步骤2、设计基于图像掩模mask的人脸图像生成模型;
步骤3、训练基于mask的人脸图像生成模型;
步骤4、使用matting对步骤3中的人脸图像生成模型进行输入数据的改进;
步骤5、训练基于matting的人脸图像生成模型;
步骤6、基于训练好的人脸图像生成模型自动生成人脸图像。
2.根据权利要求1所述的一种基于人脸轮廓的人脸图像自动生成方法,其特征在于,步骤(1)建立及准备数据集,包括如下步骤:
参考人脸抠图数据集,采用semantichumanmatting算法所用的matting数据集;
将matting数据集的边缘进行修改,生成34000张mask数据集;选择其中的12000张图片作为数据集,其中11000张作为训练集,1000张作为验证集;
基于matting的人脸图像生成模型,使用抠图领域的matting数据集,数据集中包含34000张图片,选择与mask数据集相同的12000张图片,其中11000张作为训练集,1000张作为验证集。
3.根据权利要求1所述的一种基于人脸轮廓的人脸图像自动生成方法,其特征在于,步骤(2)设计基于图像掩模mask的人脸图像生成模型,具体包括:
首先是生成器的设计,生成器部分输入为人脸掩模的mask图像,经过生成器中的卷积,归一化和激励函数,残差块以及AdaIN结构的计算得到生成的图像然后和人脸掩模的mask图像输入到辨别器中,具体步骤如下:
步骤(2.1)参考StyleGAN,设计由8层全连接层组成的映射网络,512维的隐向量经过映射网络后生成风格空间;
步骤(2.2)将pix2pix生成器网络作为粗糙以及中等风格生成网络;
步骤(2.3)将ResNet结构与AdaIN风格注入器相结合,得到ResNet+AdaIN模块,;
步骤(2.4)所有的归一化函数为实例归一化,激励函数为ReLU函数;
辨别器设计为:
步骤(2.5)将mask图分别与训练集真实图片,生成器生成的假图片在通道维度上进行拼接,作为辨别器的输入;
步骤(2.6)采用PatchGAN,将真图片与假图片在不同下采样尺度上的结果做L1损失函数的比较,指导生成器细节的生成;
步骤(2.7)将PathGAN产生的损失额外地指导AdaIN以及映映射网络部分的梯度下降,让其专注于细致的风格。
4.根据权利要求1所述的一种基于人脸轮廓的人脸图像自动生成方法,其特征在于,步骤(3)训练基于mask的人脸图像生成模型,具体如下:
(3.1)人脸图像掩模mask作为语义标签图先与生成器生成的假图片一起送入辨别器,得到辨别器将假图片预测为假所造成的损失Lfakefake;
(3.2)人脸图像掩模mask作为语义标签图与真实图片一起送入辨别器,得到辨别器将真实图片预测为真所造成的损失Ltruetrue,保存输入辨别器的图像连续经过4层的下采样卷积层后的结果;
(3.3)语义分割图与假图片再次一起送入辨别器,得到辨别器将假图片预测为真所...
【专利技术属性】
技术研发人员:金鑫,李忠兰,于明学,李晓东,肖超恩,
申请(专利权)人:北京电子科技学院,
类型:发明
国别省市:北京;11
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。