【技术实现步骤摘要】
一种超分辨率人脸图像重建方法
本专利技术属于人脸图像
,具体涉及一种超分辨率人脸图像重建方法。
技术介绍
人脸超分辨率技术是一种特殊的超分辨率技术,该技术可以利用低分辨率人脸图像获得具有真实高频细节的高分辨率人脸图像,其不仅在视频安防和影视娱乐等领域具有广泛的应用,还可以帮助其他人脸相关任务获得更好的结果。现有技术中关于人脸超分辨率的研究主要针对单张图像超分辨率,而随着深度卷积神经网络的发展,单张图像超分辨率的研究趋向于使用复杂的网络模拟由低分辨率图像到高分辨率图像的映射关系,增加了网络的复杂度和训练难度。因此,如何降低超分辨率人脸图像重建的复杂度,实现轻量高效的超分辨率人脸图像重建,是本领域技术人员有待解决的技术问题。
技术实现思路
本专利技术的目的是为了解决现有技术中重建超分辨率人脸图像的复杂度过高,重建超分辨率人脸图像时效率低下的技术问题,提出了一种超分辨率人脸图像重建方法。本专利技术的技术方案为:一种超分辨率人脸图像重建方法,包括以下步骤:S1、获取人脸图像训 ...
【技术保护点】
1.一种超分辨人脸图像重建方法,其特征在于,包括以下步骤:/nS1、获取人脸图像训练集;/nS2、建立人脸图像网络;/nS3、将所述人脸图像训练集输入到所述人脸图像网络中得到超分辨率训练人脸图像集;/nS4、基于所述超分辨率训练人脸图像集和所述人脸图像训练集计算损失函数值,并通过优化所述损失函数对所述人脸图像网络进行训练;/nS5、基于低分辨率人脸图像和训练后的所述人脸图像网络进行超分辨率人脸图像重建。/n
【技术特征摘要】
1.一种超分辨人脸图像重建方法,其特征在于,包括以下步骤:
S1、获取人脸图像训练集;
S2、建立人脸图像网络;
S3、将所述人脸图像训练集输入到所述人脸图像网络中得到超分辨率训练人脸图像集;
S4、基于所述超分辨率训练人脸图像集和所述人脸图像训练集计算损失函数值,并通过优化所述损失函数对所述人脸图像网络进行训练;
S5、基于低分辨率人脸图像和训练后的所述人脸图像网络进行超分辨率人脸图像重建。
2.如权利要求1所述的一种超分辨率人脸图像重建方法,其特征在于,所述人脸图像训练集包括多组人脸图像集,每一组所述人脸图像集包括低分辨率训练人脸图像和基准高分辨率人脸图像,其中,每一组中的所述低分辨率训练人脸图像和所述基准高分辨率人脸图像是从同一张人脸图像中提取到的,所述人脸图像网络包括编码单元和解码单元。
3.如权利要求2所述的一种超分辨率人脸图像重建方法,其特征在于,所述步骤S3具体包括以下分步骤:
S31、将所述低分辨率训练人脸图像输入到所述编码单元中得到编码特征图;
S32、将所述编码特征图输入到所述解码单元中得到超分辨率训练人脸图像从而得到所述超分辨率训练人脸图像集。
4.如权利要求3所述的一种超分辨率人脸图像重建方法,其特征在于,所述编码单元具体包括第一编码块、第二编码块和第三编码块,所述解码单元具体包括第一低参数量解码块、第二低参数量解码块、第三低参数量解码块、第一解码块和第二解码块,所述编码特征图包括第一编码特征图、第二编码特征图和第三编码特征图。
5.如权利要求4所述的一种超分辨率人脸图像重建方法,其特征在于,所述步骤S31具体包括以下分步骤:
S311、将所述低分辨率训练人脸图像输入到所述第一编码块中确定出第一编码特征图;
S312、将所述第一编码特征图输入到所述第二编码块中确定出第二编码特征图;
S313、将所述第二编码特征图输入到所述第三编码块中确定出第三编码特征图。
6.如权利要求4所述的一种超分辨率人脸图像重建方法,其特征在于,所述步骤S32具体包括以下分步骤:
S321、将所述第三编码特征图进行重建得到第一超分辨率人脸图,对所述第一超分辨率人脸图进行上采样得到第一上采样图;
S322、将所述第三编码特征图输入...
【专利技术属性】
技术研发人员:和红杰,蒋桐雨,陈帆,
申请(专利权)人:西南交通大学,
类型:发明
国别省市:四川;51
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。