【技术实现步骤摘要】
无属性偏差的卡通人像生成方法、装置、设备及介质
[0001]本专利技术涉及人工智能
，尤其涉及一种无属性偏差的卡通人像生成方法、装置、设备及介质。
技术介绍
[0002]聊天软件或交友软件中通常需要使用人像体现用户的个人特征，现有技术方法可基于用户图像智能生成卡通人像以供用户在聊天软件或交友软件中进行使用。然而由于卡通人像的个体属性各不相同，如发型、肤色、性别、年龄等个体属性存在差异，在每一属性对应的卡通人像资料数据差异较大时，也即部分属性对应的卡通人像资料的数据较少，则难以对卡通人像生成模型在每一属性均对应进行均衡训练，导致基于训练后的卡通人像生成模型针对资料数据较少的属性难以生成高质量的卡通人像。因此，现有的技术方法存在无法高质量生成卡通人像的问题。
技术实现思路
[0003]本专利技术实施例提供了一种无属性偏差的卡通人像生成方法、装置、设备及介质，旨在解决现有技术方法中所存在的无法高质量生成卡通人像的问题。
[0004]第一方面，本专利技术实施例提供了一种无属性偏差的卡通人像生成方法，所述...
【技术保护点】
【技术特征摘要】
1.一种无属性偏差的卡通人像生成方法，其特征在于，所述方法包括：若接收到所输入的初始卡通人像集，根据所述初始卡通人像集对初始卡通人像生成模型进行训练得到训练后的卡通人像生成模型；根据预置的属性特征提取规则从所述卡通人像生成模型中提取每一属性分类对应的属性特征信息；根据预置的属性判断规则判断所述初始卡通人像集中初始卡通人像是否存在属性偏差；若所述初始卡通人像集中初始卡通人像存在属性偏差，根据预置的采集规则采集得到无属性偏差的初始人脸照片集合；根据所述初始人脸照片集合对初始模型进行训练得到训练后的人脸照片分类模型；若接收到用户输入的用户照片，根据所述人脸照片分类模型对所述用户照片进行分类以获取对应的属性分类信息；根据每一所述属性分类对应的属性特征信息确定与所述属性分类信息对应的目标属性特征信息；根据所述训练后的卡通人像生成模型生成与所述目标属性特征信息对应的目标卡通人像。2.根据权利要求1所述的无属性偏差的卡通人像生成方法，其特征在于，所述根据预置的属性特征提取规则从所述卡通人像生成模型中提取每一属性分类对应的属性特征信息，包括：获取所述卡通人像生成模型中每一属性分类对应的属性基础特征；根据所述属性特征提取规则中的特征聚合公式对所述属性基础特征中与每一维度对应的特征值进行聚合计算，得到每一维度与每一所述属性分类分别对应的聚合特征值；获取每一所述属性分类在多个维度分别对应的聚合特征值进行组合，以得到每一所述属性分类的属性特征信息。3.根据权利要求1所述的无属性偏差的卡通人像生成方法，其特征在于，所述根据预置的属性判断规则判断所述初始卡通人像集中初始卡通人像是否存在属性偏差，包括：对所述初始卡通人像进行分类统计得到人像分类统计信息；判断所述人像分类统计信息中的统计值是否满足所述属性判断规则，以判定所述初始卡通人像是否存在属性偏差。4.根据权利要求3所述的无属性偏差的卡通人像生成方法，其特征在于，所述统计值包括方差值及极差统计值，所述判断所述人像分类统计信息中的统计值是否满足所述属性判断规则，以判定所述初始卡通人像是否存在属性偏差，包括：判断所述方差值是否不大于所述属性判断规则中的方差阈值；若所述方差值不大于所述方差阈值，判断所述极差统计值是否不大于所述属性判断规则中的极差阈值；若所述极差统计值不大于所述极差阈值，判定所述初始卡通人像不存在属性偏差；若所述方差值大于所述方差阈值或所述极差统计值大于所述极差阈值，判定所述初始卡通人像存在属性偏差。5.根据权利要求1所述的无属性偏差的卡通人像生成方法，其特征在于，所述初始模型
包括卷积神经网络及分类神经网络，所述根据所述初始人脸照片集合对初始模型进行训练得到训练后的人脸照片分类模型，包括：根据所述卷积神经网络从所述初始人脸照片集合的每一初始人脸照片中分别提取与每一所述初始人脸照片对应的人脸照片特征信息；根据所述分类神经网络对每一...
【专利技术属性】
技术研发人员：林彦硕，
申请(专利权)人：深圳万兴软件有限公司，
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。