刘海生成方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术提供了一种刘海生成方法、装置、计算机设备和存储介质，属于图像生成领域，具体包括采用预先训练的编码器从待处理图像中提取包含图像特征的图像隐向量，所述编码器是神经网络通过残差网络基于自加权机制对样本图像训练得到的；通过支持向量机训练模型生成与刘海生长方向对应的方向向量；根据所述方向向量对所述图像隐向量进行编辑；对编辑后的所述图像隐向量进行图片转换，生成具有刘海的人像图像。通过本申请的处理方案，基于神经网络生成发丝清晰、质感真实、没有违和感的刘海。

【技术实现步骤摘要】
刘海生成方法、装置、计算机设备和存储介质
本专利技术涉及图像生成领域，具体涉及一种基于神经网络的刘海生成方法、装置、计算机设备和存储介质。
技术介绍
在图像生成领域中，人脸属性编辑一直是备受重视的研究方向之一，而刘海生成是属于人脸属性编辑中的子项。每个人的头发都有自己的特点，颜色、走势、发量和光泽等属性不尽相同，这造成了想要生成逼真的刘海是一件非常困难的事情。想要整体头发没有违和感，就使得生成刘海必须尽可能的接近于原始头发的质感，同时也要求有很高的鲁棒性能够适应不同人的不同头发。如果生成刘海的质感与原始头发相差较多，那么最后生成的效果就像是戴了假发，极大的影响用户的体验。而且目前学术界人脸属性编辑的方案生成的刘海质量大都非常差，没有发丝的细节，同时也与原始头发差距较大，违和感严重。
技术实现思路
因此，为了克服上述现有技术的缺点，本专利技术提供了一种基于神经网络生成发丝清晰、质感真实、没有违和感的刘海的刘海生成方法、装置、计算机设备和存储介质。为了实现上述目的，本专利技术提供一种基于神经网络的刘海生成方法，包括：采用本文档来自技高网...

【技术保护点】
1.一种基于神经网络的刘海生成方法，其特征在于，包括：/n采用预先训练的编码器从待处理图像中提取包含图像特征的图像隐向量，所述编码器是神经网络通过残差网络基于自加权机制对样本图像训练得到的；/n通过支持向量机训练模型生成与刘海生长方向对应的方向向量；/n根据所述方向向量对所述图像隐向量进行编辑；/n对编辑后的所述图像隐向量进行图片转换，生成具有刘海的人像图像。/n

【技术特征摘要】
1.一种基于神经网络的刘海生成方法，其特征在于，包括：
采用预先训练的编码器从待处理图像中提取包含图像特征的图像隐向量，所述编码器是神经网络通过残差网络基于自加权机制对样本图像训练得到的；
通过支持向量机训练模型生成与刘海生长方向对应的方向向量；
根据所述方向向量对所述图像隐向量进行编辑；
对编辑后的所述图像隐向量进行图片转换，生成具有刘海的人像图像。


2.根据权利要求1所述的刘海生成方法，其特征在于，所述采用预先训练的编码器从待处理图像中提取包含图像特征的图像隐向量，包括：
采用所述编码器的卷积神经网络从所述待处理图像中提取特征图数据；
采用残差网络分别提取所述特征图数据中的与每个通道域对应的通道权重和每个空间域对应的空间权重；
根据所述通道权重和所述空间权重对所述特征图数据进行加权处理；
采用InstanceNormalization对每层所述残差网络的所述特征图数据进行归一化，输出与该层所述残差网络对应的隐向量；
将所有所述残差网络输出的隐向量汇总到一起，就得到了与所述待处理图像对应的图像隐向量。


3.根据权利要求1所述的刘海生成方法，其特征在于，所述编码器的训练步骤，包括：
获取包含不同的样本图片数据的网络训练数据集；
采用卷积神经网络对所述样本图片数据做特征提取，经过残差网络对特征信息进行转换；
将转换后的所述特征信息输入加权网络进行调整，将调整后的所述特征信息输入反卷积网络中生成对应的图像数据；
根据预期效果与生成的所述图像数据对所述卷积网络、加权网络、残差网络进行调整，生成编码器。


4.根据权利要求1所述的刘海生成方法，其特征在于，所述支持向量机训练模型的训练方法，包括：
随机生成一批带有隐向量的训练样本图片，并使用预训练的刘海分类器把训练图片分为有刘海标记和无刘海标记两类，将所述训练样本图片的隐向量与所述...

【专利技术属性】
技术研发人员：严鑫毅，
申请(专利权)人：厦门美图之家科技有限公司，
类型：发明
国别省市：福建;35