申请/专利权人：五邑大学

申请日：2020-08-14

公开（公告）日：2024-02-20

公开（公告）号：CN112069916B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.20#授权;2020.12.29#实质审查的生效;2020.12.11#公开

摘要：本发明公开了一种人脸美丽预测方法、装置、系统及可读存储介质，人脸美丽预测方法包括获取第一人脸图像，将所述第一人脸图像输入至胶囊‑多组分生成对抗网络中进行特征提取，得到人脸图像特征；将所述人脸图像特征输入至宽度学习网络中进行训练，得到人脸美丽预测模型；将待识别的第二人脸图像输入至所述人脸美丽预测模型进行人脸美丽预测，得到所述待识别的第二人脸图像的人脸美丽预测数据。本发明的技术方案能够获取足够多的训练样本，并实现对人脸图像的人脸美丽预测，且模型训练耗时较短。

主权项：1.一种人脸美丽预测方法，其特征在于，包括以下步骤：获取第一人脸图像，将所述第一人脸图像输入至胶囊-多组分生成对抗网络中进行特征提取，得到人脸图像特征；将所述人脸图像特征输入至宽度学习网络中进行训练，得到人脸美丽预测模型；将待识别的第二人脸图像输入至所述人脸美丽预测模型进行人脸美丽预测，得到所述待识别的第二人脸图像的人脸美丽预测数据；其中，所述获取第一人脸图像，将所述第一人脸图像输入至胶囊-多组分生成对抗网络中进行特征提取，得到人脸图像特征，包括：获取若干第一人脸图像，根据若干所述第一人脸图像构造训练样本集；将所述训练样本集输入至多组分生成对抗网络中进行训练，得到人脸图像数据对；将所述人脸图像数据对输入至胶囊网络中进行特征提取，得到人脸图像特征；所述多组分生成对抗网络位于生成器G和判别器D之间，通过所述判别器D控制控分类条件分布pgx,y收敛到实际数据分布；所述生成器G用于描述分类条件分布pgx,y，分类器C用于描述条件分布pcx,y，所述生成器G和所述分类器C都被描述为一个神经网络，所述判别器D用于检测数据对x,y来自真实分布prx,y或模型分布pgx,y或pcx,y；人脸图像由px和py建模，所述分类器通过条件分布的后验概率给定x的标签y，所述pcx,y满足如下公式：pcx,y＝pxpcy|x；对于所述pgx,y，y从所述py采样，并且潜分布pzz用于生成xgx,y＝Gy,z，所述潜分布为高斯分布；在生成伪数据对之后，将作为正训练样本的真实数据对xr,yr和作为负训练样本的伪数据对xg,yg、xc,yc发送到监督学习训练过程是基于对抗过程的，其中对抗损失函数由所述生成器G、所述分类器C和所述判别器D组成。

全文数据：

权利要求：

百度查询： 五邑大学 人脸美丽预测方法、装置、系统及可读存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD