申请/专利权人:昆明理工大学
申请日:2024-03-05
公开(公告)日:2024-05-03
公开(公告)号:CN117830083B
主分类号:G06T3/04
分类号:G06T3/04;G06V40/16;G06V10/44;G06V10/764;G06N3/0455;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.05.03#授权;2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本发明公开了一种人脸素描到人脸照片的生成方法、装置,方法包括:获取人脸素描图像;依据所述人脸素描图像进行重建,获得人脸素描图像的重建图像;依据人脸素描图像的重建图像及人脸图库构建数据集训练模型,获得人脸生成模型;将人脸素描图像的重建图像输入人脸生成模型,获得人脸照片。本发明提出的提取素描图像特征合成光学人脸图像的方法,通过基于深度卷积神经网络进一步学习素描特征提取后的表示,拉近了素描图像与光学图像的人物刻画的模态差异;进而使得依据跨域合成的人脸重建图像输入人脸生成模型后相似性比对更合理准确,使获取的人脸照片更符合实际所需。
主权项:1.一种人脸素描到人脸照片的生成方法,其特征在于,包括:获取人脸素描图像;依据所述人脸素描图像进行重建,获得人脸素描图像的重建图像;依据人脸素描图像的重建图像及人脸图库构建数据集训练模型,获得人脸生成模型;将人脸素描图像的重建图像输入人脸生成模型,获得人脸照片;所述依据所述人脸素描图像进行重建,获得人脸素描图像的重建图像,包括:输入人脸素描图像,采用第一深度学习子网络从人脸素描图像中学习面部特征,将特征提取并保存于网络中;将第一深度学习子网络提取的特征输入第二深度学习子网络用于将分量特征向量映射到真实图像,输出合成的光学人脸图像作为人脸素描图像的重建图像;所述第一深度学习子网络为基于transformer的特征提取网络;所述第二深度学习子网络包括依次连接的特征映射模块与Sketchformer模块构成,其中,特征映射模块使用自编码器;所述依据人脸素描图像的重建图像及人脸图库构建数据集训练模型,获得人脸生成模型,包括:对重建图像制作标签,保存重建图像与标签;将保存下来的重建图像和标签与人脸图库构建数据集,使用交叉验证法对数据集进行划分,一部分为训练集,其余为验证集;依据数据集,使用Haar级联分类器检测数据集图像中人脸位置,将人脸位置区域进行尺寸调整;使用最大均值差异将数据集中所有图像的人脸位置区域进行对齐,并对人脸位置区域图片进行灰度化处理,获得处理后的数据集;以处理后的数据集中的训练集作为输入,调用KNN分类器进行训练;使用处理后的数据集中的验证集以准确率作为指标评估模型性能,获得验证通过的KNN分类器作为人脸生成模型。
全文数据:
权利要求:
百度查询: 昆明理工大学 一种人脸素描到人脸照片的生成方法、装置
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。