基于变换域和内容引导通道注意力融合的人脸超分辨率网络制造技术

本发明专利技术公开了基于变换域和内容引导通道注意力融合的人脸超分辨率网络，主要涉及人脸超分辨率重建领域；包括步骤：S1、收集人脸图像数据集，并将数据集划分为训练集、验证集和测试集；S2、根据中心点裁剪图像；S3、构建一个基于变换域和内容引导通道注意力融合的人脸超分辨率网络架构；S4、利用训练集，通过训练得到基于变换域和内容引导通道注意力融合的人脸超分辨率模型并通过反向传播算法调整模型参数，同时利用验证集验证训练效果并保存最好的模型；S5、对保存的最好模型，使用测试集进行测试，得到该测试图像的人脸超分辨率重建结果；本发明专利技术可以清晰地重建模糊的人脸，并且不用做人脸对齐。

【技术实现步骤摘要】

本专利技术涉及人脸超分辨率重建领域，具体是基于变换域和内容引导通道注意力融合的人脸超分辨率网络。

技术介绍

1、人脸超分辨率重建(fsr)的目的是从低分辨率(lr)的输入图像中重建出高分辨率(hr)人脸图像，其在安全监控、社交媒体和娱乐、历史照片恢复、法医学等领域发挥着非常重要的作用，随着社会的快速发展，各类下游任务如人脸识别，对人脸清晰度的要求越来越高，这给人脸超分辨率重建带来了巨大的挑战。

2、目前，现有的人脸超分辨率重建大都存在着一定的局限性，例如：

3、基于卷积神经网络(cnn)的方法在捕捉图像中的长距离依赖关系方面存在局限，这是因为卷积操作的局部性导致难以有效恢复高分辨率图像中的细节；

4、其次，多任务学习方法虽然通过联合训练额外任务(如人脸解析和地标预测)来增强人脸超分辨重建性能，但它们需要额外的手动标注数据，而且从低分辨率输入中预测人脸先验信息本身也颇具难度；

5、此外，大多数现有方法只能生成较低分辨率的图像，这限制了它们在实际应用中的广泛性。真实世界中的人脸图像常常受到未知的退化过程的影响，如本文档来自技高网...

【技术保护点】

1.基于变换域和内容引导通道注意力融合的人脸超分辨率网络，其特征在于，包括步骤：

2.根据权利要求1所述的基于变换域和内容引导通道注意力融合的人脸超分辨率网络，其特征在于，步骤S2中，根据中心点裁剪图像，并将图像大小调整为128×128像素，用作高分辨率图像；然后使用双三次插值操作将这些高分辨率图像下采样到16×16像素，并将其视为低分辨率输入。

3.根据权利要求1所述的基于变换域和内容引导通道注意力融合的人脸超分辨率网络，其特征在于，步骤S3中：在编码阶段，输入为低分辨率图像ILR；

4.根据权利要求3所述的基于变换域和内容引导通道注意力融合的人脸超...

【技术特征摘要】

1.基于变换域和内容引导通道注意力融合的人脸超分辨率网络，其特征在于，包括步骤：

2.根据权利要求1所述的基于变换域和内容引导通道注意力融合的人脸超分辨率网络，其特征在于，步骤s2中，根据中心点裁剪图像，并将图像大小调整为128×128像素，用作高分辨率图像；然后使用双三次插值操作将这些高分辨率图像下采样到16×16像素，并将其视为低分辨率输入。

3.根据权利要求1所述的基于变换域和内容引导通道注意力融合的人脸超分辨率网络，其特征在于，步骤s3中：在编码阶段，输入为低分辨率图像ilr；

4.根据权利要求3所述的基于变换域和内容引导通道注意力融合的人脸超分辨率网络，其特征在于，步骤s3中：在过渡阶段采用了一个特征精炼模块。

5.根据权利要求4所述的基于变换域和内容引导通道注意力融合的人脸超分辨率网络，其特征在于，步骤s3中：在解码阶段，解码器接收低分辨率图像的深层特征，并通过内容引导的通道注意力融合模块逐步整合这些特征，以构建超分辨率图像；

6.根据权利要求5所述的基于变换域和内容引导通道注意力融合的人脸超分辨率网络，其特征在于，步骤s4中：在训练过程中，给定一个数据集通过最小化像素级的损失函数来调整基于变换域和内容引导通道注意力融合的人脸超分辨率网络的模型参数：

7.根据权利要求5所述的基于变换域和内容引导通道注意力融合的人脸超分辨率网络，其特征在于，在内容引导的通道注意力融合模块中，首先通过全局平均池化和全局最大池化操作，以及1x1和7x7的卷积层来计算通道注意力和空间注意力；然后通过加法操作将通道...

【专利技术属性】
技术研发人员：程述立，叶尔兰·也克本，汪烈军，王健博，
申请(专利权)人：新疆大学，
类型：发明
国别省市：