【技术实现步骤摘要】
本专利技术涉及图像处理，具体是一种基于生成对抗网络的人脸重塑方法、电子设备及存储介质。
技术介绍
1、随着人脸识别技术的发展和广泛应用，依靠人脸识别技术的应用安全性也逐渐得到人们的重视。传统的人脸属性编辑方法，如图像滤波和形状模型，虽然可以找到人脸的关键区域，但由于这些技术往往着重处理高级语义特征，直接针对原始像素进行操作，而忽略了本地纹理和颜色信息的处理，因此生成的图像精度和真实感较差。另外，这些方法通常需要大量手动调节参数，操作复杂，不能满足实时或高效修改的要求，进而导致生成的图像的精度会进一步受到影响，因此亟待解决。
技术实现思路
1、为了避免和克服现有技术中存在的技术问题，本专利技术提供了一种基于生成对抗网络的人脸重塑方法、电子设备及存储介质。本专利技术能够有效地提高人脸重塑的精度。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于生成对抗网络的人脸重塑方法，包括以下步骤：
4、s1、获取原始人脸图像，并对原始人脸图像进行人脸校正，...
【技术保护点】
1.一种基于生成对抗网络的人脸重塑方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于生成对抗网络的人脸重塑方法，其特征在于，训练得到目标生成对抗网络的具体过程如下：
3.根据权利要求2所述的一种基于生成对抗网络的人脸重塑方法，其特征在于，人脸校正过程具体如下：
4.根据权利要求3所述的一种基于生成对抗网络的人脸重塑方法，其特征在于，第一线性回归模型和第二线性回归模型均采用岭回归，岭回归的目标函数具体如下：
5.根据权利要求4所述的一种基于生成对抗网络的人脸重塑方法，其特征在于，在获得权重矩阵W后，定义该权...
【技术特征摘要】
1.一种基于生成对抗网络的人脸重塑方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于生成对抗网络的人脸重塑方法，其特征在于，训练得到目标生成对抗网络的具体过程如下：
3.根据权利要求2所述的一种基于生成对抗网络的人脸重塑方法，其特征在于，人脸校正过程具体如下：
4.根据权利要求3所述的一种基于生成对抗网络的人脸重塑方法，其特征在于，第一线性回归模型和第二线性回归模型均采用岭回归，岭回归的目标函数具体如下：
5.根据权利要求4所述的一种基于生成对抗网络的人脸重塑方法，其特征在于，在获得权重矩阵w后，定义该权重矩阵w的属性强度α，并将该属性强度α与该权重矩阵w彼此相乘，通过相乘获得对应的加强权重矩阵z=α×w；然后将加强权重矩阵z与对应的潜在向量z相加，通过相加获得对应的加权潜在向量z’=z+z。
6.根据权利要求5所述的一种基于生成对抗网络的人脸重塑方法，其特征在于，联合网络的目标函数具体如下：
7.根据权利要求6所述的一种基于生成对抗网络的人脸重塑方法，其特征在于，使用图像编辑软件，按照设定的要求对校正人脸图像中的人脸进行部分或者是全部的遮挡处理。...
【专利技术属性】
技术研发人员：王家伟，邵向阳，杨天威，
申请(专利权)人：合肥安达创展科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。