带人脸属性的人脸图像生成方法以及装置制造方法及图纸

本申请涉及IT应用领域，提供一种带人脸属性的人脸图像生成方法、装置及其应用。所述方法包括：获取目标人脸属性图像以及待编辑人脸图像；输入目标人脸属性图像以及待编辑人脸图像至人脸图像生成网络中，得到人脸图像生成网络生成的目标人脸图像；人脸图像生成网络用于基于目标人脸属性图像以及待编辑人脸图像生成目标人脸图像；其中，人脸图像生成网络基于人脸样本图像集、特征脸部样本图像集以及从特征脸部样本图像集中提取的样本人脸属性图像训练得到。本申请实施例提供的方法可以解决生成的人脸图像上的人脸属性的外观形态不可控的技术问题，提升带人脸属性的人脸图像的生成效率。效率。效率。

【技术实现步骤摘要】
带人脸属性的人脸图像生成方法以及装置


[0001]本申请涉及IT应用
，具体涉及一种带人脸属性的人脸生成方法以及装置。

技术介绍

[0002]目前，循环生成对抗网络(Cycle GAN)首次将生成对抗网络应用于图像风格迁移，实现无配对图像之间的风格迁移，取得了一定的效果，广泛应用于生成带人脸属性的人脸图像，可以利用于如附加雀斑、戴眼镜、变换发型等场景。尤其目前公开的数据集中，戴眼镜的人脸数据相对较少，难以满足在人脸属性算法训练时的大量图像数据需求，此外，在公安缉拿画像生成或者其他场景中，也有生成戴眼镜人脸图像的需求。因此，循环生成对抗网络成为了解决带人脸属性的人脸图像数据生成问题的常用技术手段。
[0003]现有技术中的循环生成对抗网络通常设有两个生成器，分别将带有人脸属性的人脸图像和不带有人脸属性的人脸图像进行相互转换；同时，为了和生成器形成对抗，还设有两个判别器，分别对带有人脸属性的人脸图像和不带有人脸属性的人脸图像进行判别，判断输入判别器的是真实图像还是生成图像，从而配合循环一致性损失函数以及判别损失函数完成循环生成对抗网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带人脸属性的人脸图像生成方法，其特征在于，包括：获取目标人脸属性图像以及待编辑人脸图像；输入所述目标人脸属性图像以及所述待编辑人脸图像至人脸图像生成网络中，得到所述人脸图像生成网络生成的目标人脸图像；其中，所述人脸图像生成网络基于人脸样本图像集、特征脸部样本图像集以及从所述特征脸部样本图像集中提取的样本人脸属性图像训练得到。2.根据权利要求1所述的带人脸属性的人脸图像生成方法，其特征在于，所述人脸图像生成网络是通过如下方式训练的：获取所述人脸样本图像集以及所述特征脸部样本图像集；将所述人脸样本图像集中的各个人脸样本图像，与所述特征脸部样本图像集中的各个特征脸部样本图像一一配对，得到多组配对图像；分别提取每一组配对图像的特征脸部样本图像中的人脸属性外观特征，得到每一组配对图像对应的样本人脸属性图像；构建所述人脸图像生成网络；将每一组配对图像以及每一组配对图像对应的样本人脸属性图像依次输入所述人脸图像生成网络对所述人脸图像生成网络进行训练。3.根据权利要求2所述的带人脸属性的人脸图像生成方法，其特征在于，所述将每一组配对图像以及每一组配对图像对应的样本人脸属性图像依次输入所述人脸图像生成网络对所述人脸图像生成网络进行训练，其中，一组配对图像以及与当前配对图像对应的样本人脸属性图像输入所述人脸图像生成网络对所述人脸图像生成网络进行训练，包括：将所述配对图像中的人脸样本图像以及所述样本人脸属性图像输入所述人脸图像生成网络中，得到所述人脸图像生成网络的第一单向损失函数值；将所述配对图像中的特征脸部样本图像以及所述样本人脸属性图像输入所述人脸图像生成网络中，得到所述人脸图像生成网络的第二单向损失函数值；根据所述第一单向损失函数值以及所述第二单向损失函数值确定损失函数总值；根据所述损失函数总值更新所述人脸图像生成网络的模型参数。4.根据权利要求3所述的带人脸属性的人脸图像生成方法，其特征在于，所述人脸图像生成网络包括循环生成对抗网络以及相似度计算网络，所述相似度计算网络用于确定人脸属性图像与人脸生成图像中的人脸属性外观特征之间的相似程度；所述将所述配对图像中的人脸样本图像以及所述样本人脸属性图像输入所述人脸图像生成网络中，得到所述人脸图像生成网络的第一单向损失函数值，包括：将当前配对图像中的人脸样本图像以及所述样本人脸属性图像输入所述循环生成对抗网络的第一生成器中，得到所述第一生成器输出的第一人脸训练生成图像；将所述第一人脸训练生成图像输入所述循环生成对抗网络的第一判别器中，得到所述第一判别器输出的第一训练概率值；将所述第一人脸训练生成图像输入所述相似度计算网络，得到所述相似度计算网络输出的第一训练相似度值；将所述第一人脸训练生成图像输入所述循环生成对抗网络的第二生成器中，得到所述
第二生成器输出的第一人脸训练重建图像；根据所述第一人脸训练生成图像、所述第一训练概率值、所述第一训练相似度值以及所述第一人脸训练重建图像确定第一单向损失函数值。5.根据权利要求4所述的带人脸属性的人脸图像生成方法，其特征在于，将所述配对图像中的特征脸部样本图像以及所述样本人脸属性图像输入所述人脸图像生成网络中，得到所述人脸图像生成网络的第二单向损失函数值，包括：将当前配对图像中的特征脸部样本图像输入所述循环生成对抗网络的第二生成器中，得到所述第二生成器输出的第二人脸训练生成图像；将所述第二人脸训练生成图像输入所述循环生成对抗网络的第二判别器，得到所述第二判别器输出的第二训练概率值；将所述第二人脸训练生成图像以及所述样本人脸属性图像输入所述第一生成器中，得到所述第一生成器输出的第二人脸训练重建图像；将所述第二人脸训练重建图像输入所述相似度计算网络，得到所述相似度计算网络输出的第二训练相似度值；根据所述第二人脸训练生成图像、所述第二训练概率值、所述第二训练相似度值以及所述第二人脸训练重建图像确定第二单向损失函数值。6.根据权利要求4所述的带人脸属性的人脸图像生成方法，其特征在于，所述根据所述第一人脸训练生成图像、所述第一训练概率值、所述第一训练相似度值以及所述第一人脸训练重建图像确定第一单向损失函数值，包括：将所述第一人脸训练生成图像、所述第一训练概率值、所述第一训练相似度值以及所述第一人脸训练重建图像输入第一单向损失函数，得到所述第一单向损失函数值；所述第一单向损失函数为：L
A
→
B
(G
AB
，G
BA
，A，B，x)＝L
cyc
(G
AB
，G
BA
，A，B，x)+L
...

【专利技术属性】
技术研发人员：刘妮妮，于凯，
申请(专利权)人：中移系统集成有限公司中国移动通信集团有限公司，
类型：发明
国别省市：