【技术实现步骤摘要】
一种基于注意力生成对抗网络人脸卡通画生成方法
本专利技术涉及生成对抗网络模型
，更具体地说，本专利技术涉及一种基于注意力生成对抗网络人脸卡通画生成方法。
技术介绍
卡通漫画是一种重要的艺术形式，它具有独特的绘画手法，卡通漫画的魅力在今天已经逐渐蔓延到世界各地，当今社会中接触卡通漫画的人们与日俱增。各个企业也逐渐开始使用卡通风格的人物或动物等作为形象代言或产品封面，也有人会为自己的社交账号专门设计个性化的卡通漫画头像。传统意义的卡通漫画头像一般采用手绘的方式，其需要花费大量的时间进行构图、描边、上色等步骤费时费力，因此价格也相对会昂贵一些，这种方式虽然可以获得最精细自然的卡通头像。如今科技迅速发展，许多个人定制软件也应运而生。人脸卡通漫画在我们日常生活中随处可见，在QQ、微信、微博、Facebook等社交媒体平台上被广泛作为头像使用。除此之外，还有许多人脸卡通漫画的表情包、贴纸在人们聊天的时候所使用。卡通漫画不仅广泛应用于人们的生活娱乐之中，还给人们带来了极大了乐趣。传统的人脸卡通漫画生成方法中，一部分主要基于人...
【技术保护点】
1.一种基于注意力生成对抗网络人脸卡通画生成方法，其特征在于，包括以下步骤:/n步骤1，构建人脸数据集，下载selfie2anime数据集，从Anime Planet 爬取人脸数据集，所有图像大小均调整为256×256；/n步骤2，获得人脸关键特征的轮廓检测图像，输入步骤1中的人脸数据集图像，利用DLIB的HOG进行人脸关键点检测，得到人脸椭圆特征区域，通过68关键点检测方法，得到人脸特征关键点区域，采用YCrCb颜色空间Cr分量和Otsu算法阈值分割采集计算脸部区域肤色获得感兴趣区域ROI，将获得的三个区域进行并集计算得到人脸关键特征的轮廓检测图像；/n步骤3，构建基于U...
【技术特征摘要】
1.一种基于注意力生成对抗网络人脸卡通画生成方法，其特征在于，包括以下步骤:
步骤1，构建人脸数据集，下载selfie2anime数据集，从AnimePlanet爬取人脸数据集，所有图像大小均调整为256×256；
步骤2，获得人脸关键特征的轮廓检测图像，输入步骤1中的人脸数据集图像，利用DLIB的HOG进行人脸关键点检测，得到人脸椭圆特征区域，通过68关键点检测方法，得到人脸特征关键点区域，采用YCrCb颜色空间Cr分量和Otsu算法阈值分割采集计算脸部区域肤色获得感兴趣区域ROI，将获得的三个区域进行并集计算得到人脸关键特征的轮廓检测图像；
步骤3，构建基于U-GAT-IT方法的无监督注意力机制网络，在生成器和判别器的编码器之前、解码器之后分别增加1个hourglass模块，结合注意力模块和自适应归一化模块建立基于U-GAT-IT方法的无监督注意力机制网络，通过分类激活映射CAM模块获得注意力图以区分源域和目标域；
步骤4，以步骤2得到的人脸关键特征的轮廓检测图像作为训练数据集，使用Adam训练步骤3构建的基于U-GAT-IT方法的无监督注意力机制网络，设置参数β1=0.5，β2=0.999，采用0.0001的固定学习率、0.0001的权重衰减率训练模型，权重从零中心正态分布初始化，基本模型的标准偏差为0.02；
步骤5，输入新的图片，根据步骤2得到人脸关键特征的轮廓检测图像，输入到步骤4训练好的基于U-GAT-IT方法的无监督注意力机制网络中生成卡通生成图像；
步骤6，利用泊松融合的方法将步骤5获得的卡通生成图像与原始图片进行融合，得到目标图像。
2.根据权利要求1所述的一种基于注意力生成对抗网络人脸卡通画生成方法，其特征在于，步骤2获得人脸关键特征的轮廓检测图像包含如下步骤：
步骤21，利用DLIB的HOG特征检测器检测人脸区域，采用下式计算每个像素点的梯度，得到包围区域顶点坐标，根据面部特征去拟合额头区域，得到最小化人脸椭圆特征区域：
其中，Gx，Gy分别为原图水平方向和垂直方向的梯度，H为数字图像的像素灰度值，G（x，y）为像素点（x，y）的梯度大小，α（x，y）为像素点（x，y）的梯度方向；
步骤22，采用基于EnsembleofRegressionTress算法的人脸对齐检测人脸关键点，得到68个关键点的坐标，包含眼镜、眉毛、鼻子和嘴巴四个主要特征，取最外层27个点获得一个不规则形状，得到人脸关键点区域；
步骤23，根据肤色提取特征，采用YCrCb颜色空间将RGB图像转换到YCrCb颜色空间，提取Cr分量图像，采用Otsu算法对Cr分量图像做二值化阈值分割处理，计算脸部区域肤色获得感兴趣区域ROI；<...
【专利技术属性】
技术研发人员：于泗泓，
申请(专利权)人：大连民族大学，赛尔网络有限公司，
类型：发明
国别省市：辽宁;21
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。