【技术实现步骤摘要】
人脸图像迁移方法及装置
[0001]本申请涉及人脸识别领域，特别地，涉及一种人脸图像迁移方法及装置。
技术介绍
[0002]在人脸识别领域中，人脸因口罩等物体遮挡的图像、马赛克人脸头像及头像破损残缺不全的图像属于大面积人脸遮挡图像，人脸位置、定位五官等关键点被遮挡，影响识别效果。相关人脸遮挡识别技术，需要耗费大量成本提升信息抓取能力或者对人脸数据集的规模要求较大，且繁琐的人工标注等预处理工作极大增加了训练成本。
技术实现思路
[0003]本申请的目的在于提供一种人脸图像迁移方法、装置，通过对第一判别器进行对比学习训练，并对目标域图像生成器和对比学习训练后的第一判别器进行对抗训练，提高了第一生成器的性能，从而提高了人脸图像迁移的稳定性。
[0004]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
[0005]根据本申请实施例的一个方面，提供了一种人脸图像迁移方法，所述方法包括：
[0006]获取人脸图像样本集、目标域图像生成器以及第一判别器，所述人脸...
【技术保护点】
【技术特征摘要】
1.一种人脸图像迁移方法，其特征在于，所述方法包括：获取人脸图像样本集、目标域图像生成器以及第一判别器，所述人脸图像样本集包括源域中的遮挡人脸图像样本和目标域中的清晰人脸图像样本；对所述清晰人脸图像样本进行增广，得到目标域正例样本；通过所述目标域图像生成器，预测所述遮挡人脸图像样本在所述目标域的第一清晰人脸图像，并将所述第一清晰人脸图像作为目标域负例样本；以所述目标域正例样本和所述目标域负例样本为第一判别器的输入，结合预设的第一对比损失函数，对所述第一判别器进行对比学习训练的同时，迭代地对所述目标域图像生成器和对比学习训练后的第一判别器进行对抗训练，得到训练完成的目标域图像生成器；获取所述源域中待迁移遮挡人脸图像；通过所述训练完成的目标域图像生成器，预测所述待迁移遮挡人脸图像在所述目标域中的迁移清晰人脸图像。2.根据权利要求1所述的方法，其特征在于，所述第一对比损失函数包括第一正例损失函数和第一负例损失函数；其中，所述第一正例损失函数用于使所述正例样本中同源的样本在嵌入空间的特征表示相互吸引；所述第一负例损失函数用于使所述负例样本中的样本在所述嵌入空间的特征表示相互吸引，所述正例样本与所述负例样本在所述嵌入空间的特征表示相互远离。3.根据权利要求1所述的方法，其特征在于，所述第一正例损失函数的表示公式如下：其中，N代表所述目标域中清晰人脸图像样本的样本数量，代表所述清晰人脸图像样本先经过第一增广处理再抽取得到的特征表示向量，代表所述清晰人脸图像样本先经过第二增广处理再抽取得到的特征表示向量，表示中除之外的其他元素的集合，S代表向量内积函数，L
NCE
代表自监督对比损失函数；所述第一负例损失函数的表示公式如下：其中，N代表所述负例样本的样本数量，v
f
代表由所述目标域图像生成器生成(的所述负例样本抽取得到的特征表示向量，v
f，
‑
i
代表v
f
中除v
f，i
之外的其他元素的集合，L
supcon
代表监督对比损失函数。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取源域图像生成器和第二判别器；对所述遮挡人脸图像样本进行增广，得到源域正例样本；
通过所述源域图像生成器，预测所述清晰人脸图像样本在所述源域的第一遮挡人脸图像，并将所述第一遮挡人脸图像作为源域负例样本；以所述源域正例样本和所述源域负例样本为第二判别器的输入，结合预设的第二对比损失函数，对所述第二判别器进行对比学习训练的同时，迭代地对所述目标域图像生成器和所述对比训练后的第二判别器进行对抗训练，得到训练完成的源域图像生成器；获取所述目标域中待迁移清晰人脸图像；通过所述训练完成的源域图像生成器，预测所述待迁移清晰人脸图像在所述源域中的迁移遮挡人脸图像。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：分别提取所述遮挡人脸图像样本的人脸局部的第一内容特征、所述第一清晰人脸图像的人脸局部的第二内容特征；基于所述第一内容特征与所述第二内容特征之间的差异构建第一面部匹配损失函数；以所述目标域正例样本和所述目标域负例样本为所述第一判别器的输入，结合所述第一对比损失函数和所述第一面部匹配损失函数，对所述第一判别器进行对比学习训练的同时，迭代地对所述目标域图像生成器和对比学习训练后的第一判别器进行对抗训练，得到训练完成的目标域图像生成...
【专利技术属性】
技术研发人员：司世景，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
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。