[發(fā)明專利]基于生成式對抗網(wǎng)絡(luò)的人臉非監(jiān)督特征學習方法及裝置

有效

• 申請?zhí)枺?/td>: 201710581981.7
• 申請日: 2017-07-17
• 公開（公告）號: CN107423701B
• 公開（公告）日: 2020-09-01
• 發(fā)明（設(shè)計）人: 王棟;楊東;周孺
• 申請（專利權(quán)）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

本發(fā)明公開了一種基于生成式對抗網(wǎng)絡(luò)的人臉非監(jiān)督特征學習方法及裝置，通過對已收集的原始人臉圖像進行預處理，以轉(zhuǎn)換成設(shè)定尺寸的人臉訓練圖像；將轉(zhuǎn)換好的人臉訓練圖像作為訓練數(shù)據(jù)對構(gòu)建的深度卷積生成對抗網(wǎng)絡(luò)中的目標生成網(wǎng)絡(luò)進行訓練；將生成的隨機向量集輸入到訓練好的目標生成網(wǎng)絡(luò)中，得到與隨機向量集相對應的生成圖像集；將得到的生成圖像集輸入到構(gòu)建的深度卷積神經(jīng)網(wǎng)絡(luò)的深度回歸網(wǎng)絡(luò)中，對深度回歸網(wǎng)絡(luò)進行訓練，提取生成圖像集的人臉特征向量。本發(fā)明提供的基于生成式對抗網(wǎng)絡(luò)的人臉非監(jiān)督特征學習方法和裝置，采用DCGAN和DCNN相結(jié)合的方式來做非監(jiān)督學習，利用深度回歸網(wǎng)絡(luò)來學習一個逆向的目標生成網(wǎng)絡(luò)，學習效果佳，識別精度高。

技術(shù)領(lǐng)域

本發(fā)明涉及人臉識別技術(shù)領(lǐng)域，特別地，涉及一種基于生成式對抗網(wǎng)絡(luò)的人臉非監(jiān)督特征學習方法及裝置。

背景技術(shù)

隨著深度學習的發(fā)展、互聯(lián)網(wǎng)大數(shù)據(jù)的積累、以及硬件的發(fā)展，目前的人臉識別技術(shù)較10年前有了質(zhì)的飛躍，廣泛用于安防，金融等認證領(lǐng)域。在公開數(shù)據(jù)集LFW(LabledFaces in the Wild，戶外臉部檢測數(shù)據(jù)集)上，大部分公司也都能將ERR(錯誤)降低到1％以內(nèi)。然而目前基于深度學習的人臉識別算法大都基于監(jiān)督學習，需要大量的標記的樣本，比如2萬人每人50張以上這樣的數(shù)據(jù)集。數(shù)據(jù)的收集耗費大量的人力物力和財力，故而技術(shù)的壁壘變成了數(shù)據(jù)。而基于非監(jiān)督學習的人臉識別算法一直未取得較好的效果。

因此，現(xiàn)有的采用監(jiān)督學習的人臉識別算法，需要大量的樣本和耗費大量的人力物力，而采用基于非監(jiān)督學習的人臉識別算法一直未取得較好的效果，是一個亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于生成式對抗網(wǎng)絡(luò)的人臉非監(jiān)督特征學習方法及裝置，以解決現(xiàn)有的采用監(jiān)督學習的人臉識別算法，需要大量的樣本和耗費大量的人力物力，而采用基于非監(jiān)督學習的人臉識別算法一直未取得較好的效果的技術(shù)問題。

本發(fā)明采用的技術(shù)方案如下：

根據(jù)本發(fā)明的一個方面，提供一種基于生成式對抗網(wǎng)絡(luò)的人臉非監(jiān)督特征學習方法，包括步驟：

對已收集的原始人臉圖像進行預處理，以轉(zhuǎn)換成設(shè)定尺寸的人臉訓練圖像；

將轉(zhuǎn)換好的人臉訓練圖像作為訓練數(shù)據(jù)對構(gòu)建的深度卷積生成對抗網(wǎng)絡(luò)中的目標生成網(wǎng)絡(luò)進行訓練；

將生成的隨機向量集輸入到訓練好的目標生成網(wǎng)絡(luò)中，得到與隨機向量集相對應的生成圖像集；

將得到的生成圖像集輸入到構(gòu)建的深度卷積神經(jīng)網(wǎng)絡(luò)的深度回歸網(wǎng)絡(luò)中，對深度回歸網(wǎng)絡(luò)進行訓練，提取生成圖像集的人臉特征向量。

進一步地，對已收集的原始人臉圖像進行預處理，以轉(zhuǎn)換成設(shè)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，以檢測出人臉圖像的眼睛坐標；

使用眼睛坐標對原始人臉圖像內(nèi)的人臉進行對齊和歸一化處理，以轉(zhuǎn)換成設(shè)定尺寸的人臉訓練圖像。

進一步地，將轉(zhuǎn)換好的人臉訓練圖像作為訓練數(shù)據(jù)對構(gòu)建的深度卷積生成對抗網(wǎng)絡(luò)中的目標生成網(wǎng)絡(luò)進行訓練的步驟包括：

對原深度卷積生成對抗網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)進行改進，構(gòu)建新的用于生成人臉目標圖像的目標生成網(wǎng)絡(luò)及用于對生成的人臉目標圖像進行判別的目標判別網(wǎng)絡(luò)；

在構(gòu)建的目標生成網(wǎng)絡(luò)中添加深度卷積層，使輸入目標生成網(wǎng)絡(luò)的隨機向量轉(zhuǎn)換為設(shè)定尺寸的人臉目標圖像進行輸出。

進一步地，在構(gòu)建的目標生成網(wǎng)絡(luò)中添加深度卷積層，使輸入目標生成網(wǎng)絡(luò)的隨機向量轉(zhuǎn)換為設(shè)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(wǎng)絡(luò)對目標生成網(wǎng)絡(luò)輸出的人臉目標圖像進行判別，判別出人臉目標圖像與人臉真實圖像。