[發明專利]基于生成式對抗網絡的人臉非監督特征學習方法及裝置

有效

• 申請號: 201710581981.7
• 申請日: 2017-07-17
• 公開（公告）號: CN107423701B
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 王棟;楊東;周孺
• 申請（專利權）人: 智慧眼科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/42;G06K9/62;G06N3/04
• 代理公司: 長沙智嶸專利代理事務所(普通合伙) 43211
• 代理人: 劉宏

1.一種基于生成式對抗網絡的人臉非監督特征學習方法，其特征在于，包括步驟：

對已收集的原始人臉圖像進行預處理，以轉換成設定尺寸的人臉訓練圖像；

將轉換好的所述人臉訓練圖像作為訓練數據對構建的深度卷積生成對抗網絡中的目標生成網絡進行訓練；

將生成的隨機向量集輸入到訓練好的所述目標生成網絡中，得到與所述隨機向量集相對應的生成圖像集，隨機向量集中隨機圖片的維度為100維；

將得到的所述生成圖像集輸入到構建的深度卷積神經網絡的深度回歸網絡中，對所述深度回歸網絡進行訓練，提取所述生成圖像集的人臉特征向量；

所述將轉換好的所述人臉訓練圖像作為訓練數據對構建的深度卷積生成對抗網絡中的目標生成網絡進行訓練的步驟包括：

對原深度卷積生成對抗網絡的網絡結構進行改進，構建新的用于生成人臉目標圖像的目標生成網絡及用于對生成的所述人臉目標圖像進行判別的目標判別網絡；

在構建的所述目標生成網絡中添加深度卷積層，使輸入所述目標生成網絡的隨機向量轉換為設定尺寸的人臉目標圖像進行輸出；

所述將得到的所述生成圖像集輸入到構建的深度卷積神經網絡的深度回歸網絡中，對所述深度回歸網絡進行訓練，提取所述生成圖像集的人臉特征向量的步驟包括：

將所述生成圖像集作為所述深度回歸網絡的輸入，所述隨機向量集作為所述深度回歸網絡的監督信號，將歐拉距離函數作為激勵函數對所述深度回歸網絡進行訓練；

訓練好的深度回歸網絡利用目標生成網絡生成的生成圖像集來逆向學習目標生成網絡，得到目標生成網絡輸入的100維float隨機向量，最后將目標生成網絡輸入的100維float隨機向量作為算法特征，提取生成圖像集的人臉特征向量，以識別待識別人臉圖像中的人臉特征。

2.根據權利要求1所述的基于生成式對抗網絡的人臉非監督特征學習方法，其特征在于，

所述對已收集的原始人臉圖像進行預處理，以轉換成設定尺寸的人臉訓練圖像的步驟包括：

對已收集的原始人臉圖像進行人臉檢測，以檢測出所述人臉圖像的眼睛坐標；

使用所述眼睛坐標對所述原始人臉圖像內的人臉進行對齊和歸一化處理，以轉換成設定尺寸的人臉訓練圖像。

3.根據權利要求1所述的基于生成式對抗網絡的人臉非監督特征學習方法，其特征在于，

所述在構建的所述目標生成網絡中添加深度卷積層，使輸入所述目標生成網絡的隨機向量轉換為設定尺寸的人臉目標圖像進行輸出的步驟之后包括：

運用目標判別網絡對所述目標生成網絡輸出的所述人臉目標圖像進行判別，判別出所述人臉目標圖像與人臉真實圖像。