图像迁移方法和图像迁移模型的训练方法、装置制造方法及图纸

本公开提供了一种图像迁移方法和图像迁移模型的训练方法、装置、设备、介质，涉及人工智能领域，具体涉及深度学习和计算机视觉技术领域，可应用于人脸图像处理、人脸识别等场景。图像迁移方法包括：对包括第一对象的第一图像进行数据增强处理，得到第一增强后图像；提取第一增强后图像中第一对象的第一属性特征；提取第二图像包括的第二对象的第一身份特征；以及基于第一属性特征和第一身份特征生成第一迁移图像，该第一迁移图像包括具有第一属性特征的第二对象。征的第二对象。征的第二对象。

【技术实现步骤摘要】
图像迁移方法和图像迁移模型的训练方法、装置


[0001]本公开涉及人工智能领域，具体涉及深度学习和计算机视觉
，可应用于人脸图像处理、人脸识别等场景。

技术介绍

[0002]随着深度学习与图像处理技术的发展，图像迁移技术可以应用于诸如人脸识别、视频制作和虚拟现实等多个领域中。
[0003]相关技术中，采用三维重建技术来实现图像迁移。该方法步骤复杂，计算量大。

技术实现思路

[0004]提供了一种降低计算量且提高迁移精度的图像迁移方法、图像迁移模型的训练方法、装置、电子设备和存储介质。
[0005]本公开的一个方面提供了一种图像迁移方法，包括：对包括第一对象的第一图像进行数据增强处理，得到第一增强后图像；提取第一增强后图像中第一对象的第一属性特征；提取第二图像包括的第二对象的第一身份特征；以及基于第一属性特征和第一身份特征生成第一迁移图像，该第一迁移图像包括具有第一属性特征的第二对象。
[0006]本公开的另一个方面提供了一种图像迁移模型的训练方法，其中，图像迁移模型包括第一编码网络、第二编码网络和生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像迁移方法，包括：对包括第一对象的第一图像进行数据增强处理，得到第一增强后图像；提取所述第一增强后图像中所述第一对象的第一属性特征；提取第二图像包括的第二对象的第一身份特征；以及基于所述第一属性特征和所述第一身份特征生成第一迁移图像，所述第一迁移图像包括具有所述第一属性特征的第二对象。2.根据权利要求1所述的方法，还包括：检测包括所述第一对象的模板图像，得到所述第一对象在所述模板图像中的第一位置信息；以及基于所述第一位置信息裁剪所述模板图像，获得所述第一图像。3.根据权利要求2所述的方法，其中，所述基于所述第一位置信息裁剪所述模板图像，获得所述第一图像包括：基于所述第一位置信息裁剪所述模板图像，得到中间图像；对所述中间图像进行图像分割处理，得到所述中间图像中目标对象的第二位置信息；所述目标对象包括所述第一对象；基于所述第二位置信息，生成针对所述目标对象的掩膜图像；以及基于所述掩膜图像去除所述中间图像的背景图像，得到所述第一图像。4.根据权利要求1所述的方法，其中，所述提取所述第一增强后图像中所述第一对象的第一属性特征包括：对所述第一增强后图像进行归一化处理，得到第一归一化图像；以及采用第一编码网络对所述第一归一化图像进行编码，得到所述第一对象的第一属性特征。5.根据权利要求1所述的方法，还包括：检测包括所述第二对象的源图像，得到所述第二对象在所述源图像中的第三位置信息；以及基于所述第三位置信息裁剪所述源图像，获得所述第二图像。6.根据权利要求1所述的方法，其中，所述提取第二图像包括的第二对象的第一身份特征包括：对所述第二图像进行归一化处理，得到第二归一化图像；以及采用第二编码网络对所述第二归一化图像进行编码，得到所述第二对象的第一身份特征。7.根据权利要求1或6所述的方法，其中，所述第二图像包括多个图像；所述提取第二图像包括的第二对象的第一身份特征包括：分别提取所述多个图像中每个图像包括的第二对象的身份特征，得到多个初始身份特征；以及确定所述多个初始身份特征的均值特征为所述第二对象的第一身份特征。8.根据权利要求1所述的方法，其中，所述基于所述第一属性特征和所述第一身份特征生成第一迁移图像包括：融合所述第一属性特征和所述第一身份特征，得到融合特征；以及
将所述融合特征作为生成器的输入，得到所述第一迁移图像。9.一种图像迁移模型的训练方法，其中，所述图像迁移模型包括第一编码网络、第二编码网络和生成器；所述方法包括：对包括第三对象的第三图像进行数据增强处理，得到第二增强后图像；采用所述第一编码网络提取所述第二增强后图像中所述第三对象的第二属性特征；采用所述第二编码网络提取第四图像包括的第三对象的第二身份特征；基于所述第二属性特征和所述第二身份特征，采用所述生成器生成第二迁移图像；所述第二迁移图像包括具有所述第二属性特征的第三对象；以及基于所述第二迁移图像和所述第三图像的差异，对所述图像迁移模型进行训练。10.根据权利要求9所述的方法，其中，基于所述第二迁移图像和所述第三图像的差异，对所述图像迁移模型进行训练包括：基于所述第二迁移图像和所述第三图像之间的像素级差异，确定所述图像迁移模型的第一损失；将所述第二迁移图像和所述第三图像分别输入判别器中，得到针对所述第二迁移图像的第一真值概率和针对所述第三图像的第二真值概率；基于所述第二迁移图像、所述第三图像、所述第一真值概率和所述第二真值概率，确定所述图像迁移模型的生成对抗损失；以及基于所述第一损失和所述生成对抗损失，对所述图像迁移模型进行训练。11.根据权利要求10所述的方法，其中，基于所述第二迁移图像和所述第三图像的差异，对所述图像迁移模型进行训练还包括：基于所述第二迁移图像和所述第三图像经由特征提取网络提取得到的两个特征的差异，确定所述图像迁移模型的第二损失；以及基于所述第一损失、所述生成对抗损失和所述第二损失，对所述图像迁移模型进行训练。12.一种图像迁移装置，包括：第一增强模块，用于对包括第一对象的第一图像进行数据增强处理，得到第一增强后图像；第一属性提取模块，用于提取所述第一增强后图像中所述第一对象的第一属性特征；第一身份提取模块，用于提取第二图像包括的第二对象的第一身份特征；以及第一图像生成模块，用于基于所述第一属性特征和所述第一身份特征生成第一迁移图像，所述第一迁移图像包括具有所述第一属性特征的第二对象。13.根据权利要求12所述的装置，还包括：第一图像检测模块，用于检...

【专利技术属性】
技术研发人员：梁柏荣，郭知智，洪智滨，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：