脸部皮肤状态图像的生成、模型训练方法、设备和介质技术

本发明专利技术公开了一种脸部皮肤状态图像生成模型的训练方法，该方法包括：基于皮肤状态较差的第一人脸图像生成皮肤状态较好的第一生成图像，基于第一生成器将皮肤状态较好的第一生成图像生成为皮肤状态较差的第一训练生成图像，再基于第一判别器判别输入的第一生成图像和第一训练生成图像是否为生成的图像，并基于得到的第一判别结果对第一生成器和第一判别器进行迭代调参。这样在实际应用中，通过第一生成器便能将皮肤状态较好的目标人脸图像生成为皮肤状态较差的目标生成图像，也就可以帮助用户更为深入直观地感受，若皮肤状态变坏，那会是怎么样的一个情况。此外，还提出了脸部皮肤状态图像的生成方法、设备和介质。设备和介质。设备和介质。

【技术实现步骤摘要】
脸部皮肤状态图像的生成、模型训练方法、设备和介质


[0001]本专利技术涉及图像处理
，尤其是涉及脸部皮肤状态图像的生成、模型训练方法、设备和介质。

技术介绍

[0002]随着计算机视觉领域的飞速发展，人脸图像的美化技术日益渐趋成熟。例如为了展示更加完美的皮肤状态，实现去除如皱纹、雀斑等瑕疵的效果，这逐渐成为一个深受大家喜爱的功能。
[0003]但有的对肌肤特别在意的用户，还想要直观地看到假如自己肌肤如果出了问题，会是怎么一个情况。这样方便他们对自己的脸部，进行一个更有侧重点的保养。但是目前市场还是缺少这类反向美颜的软件。

技术实现思路

[0004]基于此，有必要针对上述问题，提供的脸部皮肤状态图像的生成、模型训练方法、设备和介质，以解决难以实现反向美颜的问题。
[0005]一种脸部皮肤状态图像生成模型的训练方法，所述脸部皮肤状态图像生成模型包括第一生成对抗网络，所述第一生成对抗网络包括第一生成器和第一判别器，所述方法包括：
[0006]获取第一人脸图像；
[0007]基于所述第一人脸图像生成第一生成图像；其中，所述第一生成图像的皮肤状态好于所述第一人脸图像的皮肤状态；
[0008]将所述第一生成图像输入所述第一生成器，获取生成的第一训练生成图像；其中，所述第一训练生成图像的皮肤状态差于所述第一生成图像的皮肤状态；
[0009]将所述第一训练生成图像和所述第一人脸图像输入所述第一判别器，以得到第一判别结果，根据所述第一判别结果对所述第一生成器和所述第一判别器进行迭代调参，以增大所述第一判别器判别正确的概率，且增大所述第一生成器生成的图像使所述第一判别器判别错误的概率，获取训练后的脸部皮肤状态图像生成模型；其中，所述第一判别结果用于指示所述第一训练生成图像和所述第一人脸图像是否为生成的图像。
[0010]在其中一个实施例中，所述脸部皮肤状态图像生成模型还包括第二生成对抗网络，所述第二生成对抗网络包括第二生成器和第二判别器，所述基于第一人脸图像生成第一生成图像，包括：
[0011]获取第二人脸图像，所述第二人脸图像与所述第一人脸图像属于同一训练集；
[0012]获取第三人脸图像，所述第三人脸图像与所述第二人脸图像属于不同训练集，所述第三人脸图像的皮肤状态好于所述第二人脸图像的皮肤状态；
[0013]将所述第二人脸图像输入所述第二生成器，获取生成的第二训练生成图像；其中，所述第二训练生成图像的皮肤状态好于所述第二人脸图像的皮肤状态；
[0014]将所述第二训练生成图像和所述第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果对所述第二生成器和所述第二判别器进行迭代调参，以增大所述第二判别器判别正确的概率，且增大所述第二生成器生成的图像使所述第二判别器判别错误的概率，获取训练后的第二生成对抗网络；其中，所述第二判别结果用于指示所述第二训练生成图像和所述第三人脸图像是否为生成的图像；
[0015]将所述第一人脸图像输入训练后的第二生成对抗网络中的第二生成器，以生成所述第一生成图像。
[0016]在其中一个实施例中，所述将所述第二训练生成图像和所述第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果对所述第二生成器和所述第二判别器进行迭代调参，包括：
[0017]将所述第二训练生成图像和第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果计算所述第二判别器的第一损失值；其中，所述第一损失值指示所述第二判别器的准确度；
[0018]根据所述第一损失值调整所述第二判别器的参数，返回执行所述将所述第二训练生成图像和第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果计算所述第二判别器的第一损失值的步骤；
[0019]在所述第二判别器的参数调整第一预设次数后，将所述第二训练生成图像和第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果计算所述第二生成器的第二损失值；其中，所述第二损失值指示所述第二生成器的准确度；
[0020]根据所述第二损失值调整所述第二生成器的参数，返回执行所述将所述第二训练生成图像和第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果计算所述第二生成器的第二损失值的步骤；
[0021]在所述第二生成器的参数调整第二预设次数后，返回执行所述将所述第二训练生成图像和第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果计算所述第二判别器的第一损失值的步骤；
[0022]当所述第一损失值与所述第二损失值的和小于第一预设损失值时，确定完成对所述第二生成器和所述第二判别器的调参。
[0023]在其中一个实施例中，计算第一损失值的计算公式为：
[0024][0025]计算第二损失值的计算公式为：
[0026][0027]其中，D2(x)表示所述第二判别器判别所述第三人脸图像为生成的图像的概率；D2(G2(z))表示所述第二判别器判别所述第二训练生成图像为生成的图像的概率。
[0028]在其中一个实施例中，所述将所述第一训练生成图像和所述第一人脸图像输入所述第一判别器，以得到第一判别结果，根据所述第一判别结果对所述第一生成器和所述第一判别器进行迭代调参，包括：
[0029]将所述第一训练生成图像和第一人脸图像输入所述第一判别器，以得到第一判别结果，根据所述第一判别结果计算所述第一判别器的第三损失值；其中，所述第三损失值指
示所述第一判别器的准确度；
[0030]根据所述第三损失值调整所述第一判别器的参数，返回执行所述将所述第一训练生成图像和第一人脸图像输入所述第一判别器，以得到第一判别结果，根据所述第一判别结果计算所述第一判别器的第三损失值的步骤；
[0031]在所述第一判别器的参数调整第三预设次数后，将所述第一训练生成图像和第一人脸图像输入所述第一判别器，以得到第一判别结果，根据所述第一判别结果计算所述第一生成器的第四损失值；其中，所述第四损失值指示所述第一生成器的准确度；
[0032]根据所述第四损失值调整所述第一生成器的参数，返回执行所述将所述第一训练生成图像和第一人脸图像输入所述第一判别器，以得到第一判别结果，根据所述第一判别结果计算所述第一生成器的第四损失值的步骤；
[0033]在所述第一生成器的参数调整第四预设次数后，返回执行所述将所述第一训练生成图像和第一人脸图像输入所述第一判别器，以得到第一判别结果，根据所述第一判别结果计算所述第一判别器的第三损失值的步骤；
[0034]当所述第三损失值与所述第四损失值的和小于第二预设损失值时，确定完成对所述第一生成器和所述第一判别器的调参。
[0035]在其中一个实施例中，计算第三损失值的计算公式为：
[0036][0037]计算第四损失值的计算公式为：
[0038][0039]其中，D1(x)表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脸部皮肤状态图像生成模型的训练方法，其特征在于，所述脸部皮肤状态图像生成模型包括第一生成对抗网络，所述第一生成对抗网络包括第一生成器和第一判别器，所述方法包括：获取第一人脸图像；基于所述第一人脸图像生成第一生成图像；其中，所述第一生成图像的皮肤状态好于所述第一人脸图像的皮肤状态；将所述第一生成图像输入所述第一生成器，获取生成的第一训练生成图像；其中，所述第一训练生成图像的皮肤状态差于所述第一生成图像的皮肤状态；将所述第一训练生成图像和所述第一人脸图像输入所述第一判别器，以得到第一判别结果，根据所述第一判别结果对所述第一生成器和所述第一判别器进行迭代调参，以增大所述第一判别器判别正确的概率，且增大所述第一生成器生成的图像使所述第一判别器判别错误的概率，获取训练后的脸部皮肤状态图像生成模型；其中，所述第一判别结果用于指示所述第一训练生成图像和所述第一人脸图像是否为生成的图像。2.根据权利要求1所述的方法，其特征在于，所述脸部皮肤状态图像生成模型还包括第二生成对抗网络，所述第二生成对抗网络包括第二生成器和第二判别器，所述基于所述第一人脸图像生成第一生成图像，包括：获取第二人脸图像，所述第二人脸图像与所述第一人脸图像属于同一训练集；获取第三人脸图像，所述第三人脸图像与所述第二人脸图像属于不同训练集，所述第三人脸图像的皮肤状态好于所述第二人脸图像的皮肤状态；将所述第二人脸图像输入所述第二生成器，获取生成的第二训练生成图像；其中，所述第二训练生成图像的皮肤状态好于所述第二人脸图像的皮肤状态；将所述第二训练生成图像和所述第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果对所述第二生成器和所述第二判别器进行迭代调参，以增大所述第二判别器判别正确的概率，且增大所述第二生成器生成的图像使所述第二判别器判别错误的概率，获取训练后的第二生成对抗网络；其中，所述第二判别结果用于指示所述第二训练生成图像和所述第三人脸图像是否为生成的图像；将所述第一人脸图像输入训练后的第二生成对抗网络中的第二生成器，以生成所述第一生成图像。3.根据权利要求2所述的方法，其特征在于，所述将所述第二训练生成图像和所述第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果对所述第二生成器和所述第二判别器进行迭代调参，包括：将所述第二训练生成图像和第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果计算所述第二判别器的第一损失值；其中，所述第一损失值指示所述第二判别器的准确度；根据所述第一损失值调整所述第二判别器的参数，返回执行所述将所述第二训练生成图像和第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果计算所述第二判别器的第一损失值的步骤；在所述第二判别器的参数调整第一预设次数后，将所述第二训练生成图像和第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果计算所述第二生
成器的第二损失值；其中，所述第二损失值指示所述第二生成器的准确度；根据所述第二损失值调整所述第二生成器的参数，返回执行所述将所述第二训练生成图像和第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果计算所述第二生成器的第二损失值的步骤；在所述第二生成器的参数调整第二预设次数后，返回执行所述将所述第二训练生成图像和第三人脸图像输入所述第二判别器，以得到第二判别结果，根据所述第二判别结果计算所述...

【专利技术属性】
技术研发人员：曾梦萍，
申请(专利权)人：深圳数联天下智能科技有限公司，
类型：发明
国别省市：