训练图像生成模型的方法及相关装置制造方法及图纸

本申请实施例涉及图像处理技术领域，公开了一种训练图像生成模型的方法及相关装置，采用预先训练好的年龄检测模型对各真实人脸图像进行年龄检测得到预测年龄，计算预测年龄和真实年龄之间的年龄差，将年龄差和真实人脸图像一起输入图像生成网络进行融合，生成受年龄差影响的预测人脸图像。预测年龄能够反映真实人脸图像的普适性年龄特征，年龄差能够反映输入图像个人自身的个性年龄特征(偏老或偏年轻)，从而，年龄差可以指导图像生成网络学习输入图像个人自身的个性年龄特征。训练得到的图像生成模型能够基于预期年龄和真实年龄之间的年龄差，准确地生成符合自身个性年龄特征和预期年龄的年龄变化图像。预期年龄的年龄变化图像。预期年龄的年龄变化图像。

【技术实现步骤摘要】
训练图像生成模型的方法及相关装置


[0001]本申请实施例涉及图像处理
，尤其涉及一种训练图像生成模型的方法及相关装置。

技术介绍

[0002]随着机器学习技术不断成熟,基于机器学习技术的服务的种类也越来越多。例如计算机设备通过机器学习技术,能够对人脸图像进行处理, 得到年龄变化图像。其中,人脸图像中的人脸对应的第一年龄和年龄变化图像中的人脸对应的第二年龄不同,但对应相同身份。上述服务在多个场景中被广泛需求，例如，根据走失儿童的现有照片，推测其几年后的样貌，以便寻找；或者，根据嫌疑人年轻时的旧照片预测其逃亡多年后的照片；再例如，在影视业制作的过程中，当演员扮演年老角色时，根据演员现在的样貌推测其衰老后的样貌，方便化妆师画出年老角色形象；再例如，在休闲娱乐时，人们想通过当前的图像溯源自己小时候的照片。
[0003]计算机设备通常根据输入的人脸图像和预期年龄,采用机器学习模型对该人脸图像进行处理,得到年龄变化图像，使得年龄变化图像反映的人物的年龄与预期年龄相适应。该机器学习模型是基于不同年龄段的不同人脸图像训练得到的。在通过上述方法对人脸图像进行处理时,特征变化仅由年龄段决定，通常使得个体的特征变化相同，即对于具有相同年龄的用户A和用户B，两者的图像从第一年龄变化为第二年龄时，他们的特征变化是相同的，特征变化单一，然而，在实际生活中，每个人随着年龄变化的特征变化受个体因素影响，具有特异性。

技术实现思路

[0004]本申请实施例主要解决的技术问题是提供一种训练图像生成模型的方法及相关装置，训练得到的图像生成模型能够生成符合自身个性年龄特征和预期年龄的年龄变化图像。
[0005]第一方面，本申请实施例中提供了一种训练图像生成模型的方法，图像生成网络包括编码器、映射转换模块、融合模块和解码模块，包括：
[0006]获取若干个真实人脸图像，各真实人脸图像标注有真实年龄，若干个真实人脸图像的真实年龄覆盖预设年龄范围；
[0007]采用预先训练好的年龄检测模型对若干个真实人脸图像进行年龄检测，得到各真实人脸图像对应的预测年龄；
[0008]将真实人脸图像和与真实人脸图像对应的年龄差输入图像生成网络，得到预测人脸图像；其中，年龄差为预测年龄和真实年龄之间的差，真实人脸图像经编码器进行编码后得到编码结果，年龄差经过映射转换模块进行映射转换后得到年龄向量，编码结果和年龄向量经融合模块进行融合后，融合结果输入解码模块进行解码得到预测人脸图像；
[0009]采用损失函数计算预测人脸图像和真实人脸图像之间的损失，并根据若干个真实
人脸图像对应的损失和，对图像生成网络进行迭代训练，直至收敛，得到图像生成模型。
[0010]在一些实施例中，解码模块包括N个分支的解码器，一个解码器对应一个年龄段；
[0011]其中，融合结果输入解码模块进行解码得到预测人脸图像，包括：
[0012]根据预测年龄所在的年龄段，从N个解码器中确定目标解码器；
[0013]将融合结果输入目标解码器进行解码，得到预测人脸图像。
[0014]在一些实施例中，该方法还包括：根据预设年龄范围的最大年龄值与年龄检测模型的误差，确定解码器的分支数量N。
[0015]在一些实施例中，映射转换模块采用以下方式对年龄差进行映射转换：
[0016]采用映射函数对年龄差进行计算，得到年龄向量；其中，映射函数包括线性全连接网络。
[0017]在一些实施例中，融合模块采用以下方式对编码结果和年龄向量进行融合：
[0018]将编码结果和年龄向量进行相乘融合，得到融合结果。
[0019]在一些实施例中，损失函数包括对抗损失、重构损失和感知风格损失，其中，对抗损失反映预测人脸图像是否为真实人脸，重构损失反映预测人脸图像和真实人脸图像之间的像素差异；感知风格损失反映预测人脸图像的特征图和真实人脸图像的特征图之间的差异。
[0020]在一些实施例中，损失函数包括：
[0021]其中，
[0022][0023][0024][0025]其中，Loss为损失函数，为对抗损失，为重构损失，为感知风格损失，α
i
为第i个分支的解码器的开启状态，N为解码的分支数量，I为真实人脸图像，I
′
为预测人脸图像，D(I)为判别器判别真实人脸图像为真的概率，t为年龄差，G(I,t)为图像生成网络基于真实人脸图像和年龄差生成的预测人脸图像，D(G(I,t))为判别器判别预测人脸图像为真的概率，为特征提取网络对真实人脸图像进行提取得到的第i 个特征图，为特征提取网络对预测人脸图像进行提取得到的第i个特征图。
[0026]第二方面，本申请实施例中提供了一种生成年龄变化图像的方法，包括：
[0027]获取测试人脸图像、测试人脸图像中人脸的真实年龄以及预期年龄；
[0028]将测试人脸图像和真实年龄与预期年龄之间的年龄差，输入图像生成模型，得到年龄变化图像，年龄变化图像反映的人物的年龄与预期年龄相适应；其中，图像生成模型是采用如第一方面的训练图像生成模型的方法训练得到。
[0029]第三方面，本申请实施例中提供了一种电子设备，包括：
[0030]至少一个处理器，以及
[0031]与至少一个处理器通信连接的存储器，其中，
[0032]存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以
使至少一个处理器能够执行如上第一方面中的方法。
[0033]为解决上述技术问题，第四方面，本申请实施例中提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机设备执行如上第一方面的方法。
[0034]本申请实施例的有益效果：区别于现有技术的情况，本申请实施例提供的训练图像生成模型的方法，首先构建包括编码器、映射转换模块、融合模块和解码模块的图像生成网络，然后，获取若干个真实人脸图像，各真实人脸图像标注有真实年龄，这若干个真实人脸图像的真实年龄覆盖预设年龄范围。采用预先训练好的年龄检测模型对这若干个真实人脸图像进行年龄检测，得到各真实人脸图像对应的预测年龄。将真实人脸图像和与真实人脸图像对应的年龄差输入图像生成网络，得到预测人脸图像。最后，采用损失函数计算预测人脸图像和真实人脸图像之间的损失，并根据若干个真实人脸图像对应的损失和，对图像生成网络进行迭代训练，直至收敛，得到图像生成模型。其中，年龄差为预测年龄和真实年龄之间的差，真实人脸图像经编码器进行编码后得到编码结果，年龄差经过映射转换模块进行映射转换后得到年龄向量，编码结果和年龄向量经融合模块进行融合后，融合结果输入解码模块进行解码得到预测人脸图像。
[0035]在此实施例中，采用预先训练好的年龄检测模型预测年龄，计算预测年龄和真实年龄之间的年龄差，将年龄差和真实人脸图像一起输入图像生成网络进行融合，生成受年龄差影响的预测人脸图像。由于年龄检测模型是通过大量的人脸图像训练学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练图像生成模型的方法，其特征在于，图像生成网络包括编码器、映射转换模块、融合模块和解码模块，包括：获取若干个真实人脸图像，各所述真实人脸图像标注有真实年龄，所述若干个真实人脸图像的真实年龄覆盖预设年龄范围；采用预先训练好的年龄检测模型对所述若干个真实人脸图像进行年龄检测，得到各所述真实人脸图像对应的预测年龄；将所述真实人脸图像和与所述真实人脸图像对应的年龄差输入所述图像生成网络，得到预测人脸图像；其中，所述年龄差为所述预测年龄和所述真实年龄之间的差，所述真实人脸图像经所述编码器进行编码后得到编码结果，所述年龄差经过所述映射转换模块进行映射转换后得到年龄向量，所述编码结果和所述年龄向量经所述融合模块进行融合后，融合结果输入所述解码模块进行解码得到所述预测人脸图像；采用损失函数计算所述预测人脸图像和所述真实人脸图像之间的损失，并根据所述若干个真实人脸图像对应的损失和，对所述图像生成网络进行迭代训练，直至收敛，得到所述图像生成模型。2.根据权利要求1所述的方法，其特征在于，所述解码模块包括N个分支的解码器，一个所述解码器对应一个年龄段；其中，所述融合结果输入所述解码模块进行解码得到所述预测人脸图像，包括：根据所述预测年龄所在的年龄段，从所述N个解码器中确定目标解码器；将所述融合结果输入所述目标解码器进行解码，得到所述预测人脸图像。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：根据所述预设年龄范围的最大年龄值与所述年龄检测模型的误差，确定所述解码器的分支数量N。4.根据权利要求1
‑
3任意一项所述的方法，所述映射转换模块采用以下方式对所述年龄差进行映射转换：采用映射函数对所述年龄差进行计算，得到所述年龄向量；其中，所述映射函数包括线性全连接网络。5.根据权利要求1
‑
3任意一项所述的方法，其特征在于，所述融合模块采用以下方式对所述编码结果和所述年龄向量进行融合：将所述编码结果和所述年龄向量进行相乘融合，得到所述融合结果。6.根据权利要求2或3所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：陈仿雄，
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：