一种基于生成对抗网络的人脸图像样本扩充方法技术

一种基于生成对抗网络的人脸图像样本扩充方法。本发明专利技术提出一种用于扩充人脸图像样本的方法，解决特定环境下一些遮挡物造成人脸无法得到有效检测的问题。使用该方法生成人脸图像在图像质量与图像丰富程度都有很好的表现，能够对人脸图像样本数据进行有效扩充。通过数据集图像样本扩充使检测模型对遮挡人脸的检测精度提高3％以上，一定程度上提高人脸检测算法能力。既能有效扩充人脸数据样本，提高人脸检测算法能力，又能减少获取训练使用人脸图像的人力物力和时间。像的人力物力和时间。像的人力物力和时间。

【技术实现步骤摘要】
一种基于生成对抗网络的人脸图像样本扩充方法


[0001]本专利技术属于人工智能识别及图像处理
，具体涉及脸部检测数据的图像样本扩充方法。

技术介绍

[0002]近年来，基于深度学习的方法在很多领域取得了良好的表现，这很大程度上依赖于海量的数据推动。在需要人脸检测的任务中，实时实地人脸数据的收集也有相当的难度。并且对遮挡面部的人脸进行数据标注也是一项极为耗费人力与时间的工作。解决遮挡人脸数据集不足，实现人脸数据集扩充是当下需要解决的关键问题。
[0003]图像数据集扩充与图像增强工作一直是研究学者努力攻克的领域，无论是传统图像增强方式包括增加噪音、放射变换、裁剪、翻转等，还是使用信息删除方式针对检测工作的方法对深度学习模型鲁棒性的提升都有限。但是在人脸检测工作中，由于人脸的图像像素面积较小，可用的以供增强的有效图像过少，导致大部分图像增强方法并不适用，因此使用更多的人脸图像数据训练人脸检测模型才是更为有效的手段，本专利技术使用的生成对抗网络进行人脸图像样本扩充方法是较为有效的手段。
【
技术实现思路
】
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的人脸图像样本扩充方法，包含以下步骤：步骤1：获取原始人脸训练样本集合；步骤2：将所述人脸训练样本集合中的人脸图像送入到S
‑
Coder GAN(Source Coder GAN)生成对抗网络中，训练该生成对抗网络生成新的含有面部遮挡元素的人脸图像样本；其中：所述生成对抗网络的结构由以下模块组成：模块1：使用跳层连接(Skip Connection)的残差结构设计的生成器模块(Generator)；模块2：在所述生成对抗网络中加入基于独热+编码(One
‑
Hot Encoding)算法构成的S
‑
coder可控编码模块(S
‑
Coder Module)；模块3：使用Sigmoid层设计判别网络真假判别子模块，使用Softmax层设计判别网络标签判别子模块，以此两个子模块构建判别器模块(Discriminator)；步骤3：使用周期一致的训练流程，即S
‑
Coder GAN生成对抗网络中两组生成器组合，将生成图像反向送入结构相同的另一生成器得到重构图像，提高训练稳定性；步骤4：最后使用训练完成的S
‑
Coder GAN生成...

【专利技术属性】
技术研发人员：周冕，丛钶伦，刘文轩，朱国强，高毅，戚周铭，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：