【技术实现步骤摘要】
人脸图像恢复方法、装置、计算机设备及存储介质
本申请涉及区块链
，尤其涉及人脸图像恢复方法、装置、计算机设备及存储介质。
技术介绍
随着计算机技术的不断革新和发展，计算机技术已经广泛的应用于各行各业中，其中人工智能尤为突出，而在人工智能中的人脸图像修复技术更是得到了广泛的关注。目前，许多场合都需要使用移动端设备采集相应的图像视频等资料，以供进行后续的使用操作。但是移动端由于不可控因素较多，往往采集来的图像等资料质量较差，需要对图像进行修复。现有的对于低质量的人脸图像修复方式均需要同时存在一张相同的高质量的人脸图像，以用于提供参考信息。但是，在大多数的情况下无法满足提供出相同的高质量的人脸图像。而某些无需高质量图像的人脸图像修复方式是基于深度学习的超分辨率等方式进行的，只能解决图像有限的几种缺陷，难以实现对人脸图像的高效率和高品质的修复。
技术实现思路
本申请实施例的目的在于提出一种人脸图像恢复方法、装置、计算机设备及存储介质，实现对图像的快速且高品质的修复。为了解决上述技术问题，本申...
【技术保护点】
1.一种人脸图像恢复方法，其特征在于，包括下述步骤：/n接收样本图像，并基于所述样本图像训练预设的初始记忆子网络，获得记忆子网络；/n接收第一待修复图像数据集，基于所述记忆子网络生成初始图像修复网络，并基于所述初始图像修复网络，对所述第一待修复图像数据集中的第一待修复图像进行修复，获得目标修复图像数据集；/n基于所述目标修复图像数据集和预设的损失函数计算损失函数值，直至所述损失函数收敛，获得训练后的图像修复网络；/n接收第二待修复图像，将所述第二待修复图像输入至所述训练后的图像修复网络中，获得修复后的图像。/n
【技术特征摘要】
1.一种人脸图像恢复方法，其特征在于，包括下述步骤：
接收样本图像，并基于所述样本图像训练预设的初始记忆子网络，获得记忆子网络；
接收第一待修复图像数据集，基于所述记忆子网络生成初始图像修复网络，并基于所述初始图像修复网络，对所述第一待修复图像数据集中的第一待修复图像进行修复，获得目标修复图像数据集；
基于所述目标修复图像数据集和预设的损失函数计算损失函数值，直至所述损失函数收敛，获得训练后的图像修复网络；
接收第二待修复图像，将所述第二待修复图像输入至所述训练后的图像修复网络中，获得修复后的图像。
2.根据权利要求1所述的人脸图像恢复方法，其特征在于，所述初始图像修复网络包括多个并列层，所述基于所述记忆子网络生成初始图像修复网络，并基于所述初始图像修复网络，对所述第一待修复图像数据集中的第一待修复图像进行修复，获得目标修复图像数据集包括：
根据所述记忆子网络生成记忆组件，并基于所述记忆组件生成所述初始图像修复网络，其中，除末置的并列层外的所有并列层均分别包括有所述记忆组件，从首置的并列层至末置的并列层的上一层，所述记忆组件中的记忆子网络的数量依次递减；
基于预设的特征提取器对所述第一待修复图像进行特征提取，获得多尺度特征；
将所述多尺度特征中的不同尺度的图像特征分别输入所述并列层中，获得目标修复特征；
基于预设于所述记忆组件中的反向特征提取操作将所述目标修复特征回加至所述图像特征中，获得所述目标修复图像，并基于所述目标修复图像生成所述目标修复图像数据集。
3.根据权利要求2所述的人脸图像恢复方法，其特征在于，所述将所述多尺度特征中的不同尺度的图像特征分别输入所述并列层中，获得目标修复特征包括：
将所述多尺度特征中的不同尺度的图像特征分别输入所述并列层中，并识别所述并列层中是否含有所述记忆组件；
在所述并列层中含有所述记忆组件时，通过所述记忆组件中的记忆子网络修复对应的图像特征，获得所述目标修复特征；
在所述并列层中不含有所述记忆组件时，直接将输入所述至所述并列层中的图像特征，作为所述目标修复特征。
4.根据权利要求3所述的人脸图像恢复方法，其特征在于，所述记忆子网络包括循环网络和门控网络，所述通过所述记忆组件中的记忆子网络修复对应的图像特征，获得所述目标修复特征包括：
依次通过所述循环网络中的多个循环神经网络、所述门控网络中的长短期记忆网络、卷积层和激活函数修复所述对应的图像特征，获得所述目标修复特征。
5.根据权利要求1所述的...
【专利技术属性】
技术研发人员：陈昊，
申请(专利权)人：平安普惠企业管理有限公司，
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。