[發明專利]一種基于條件生成對抗網絡的人臉老化方法

有效

• 申請號: 201811385127.4
• 申請日: 2018-11-20
• 公開（公告）號: CN109523463B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 胡海峰;黃楊健
• 申請（專利權）人: 中山大學
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06N3/084;G06N3/0464
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

本發明提供了一種基于條件生成對抗網絡的人臉自動老化機制，通過對于海量已標注年齡的不同年齡段的圖像訓練得到一個由四個部分組成的條件生成對抗網絡，包括圖像生成器G，圖像判別器D，年齡估計網絡AEN和身份識別網絡FRN。其中，G被訓練用于生成老化圖像，通過輸入年輕圖像和預設的年齡條件，自動有效地生成年老圖像。D用于鑒別生成的年老圖像是否為真實圖片，能夠確保生成的年老圖片具備欺騙性。AEN是用于減小生成圖像的年齡與預設值的差異，而FRN則是保證生成過程中人像身份的一致性。發明通過對網絡結構的設計，使整個網絡達到端對端的訓練，并且在人臉老化方面有很好的表現，能夠生成身份一致，欺騙性強和分辨率高等優點的優質人臉老化圖像。

技術領域

本發明涉及人工智能與深度學習領域，更具體地，涉及一種基于條件生成對抗網絡的人臉老化方法。

背景技術

人臉老化，也稱為人臉年齡進化，或老化合成，吸引了越來越多的研究興趣。在美學方面，將其定義為對一個人的人臉用自然的老化或修復效果進行渲染。在人臉圖像處理和模式分析中，人臉老化是一個與眾不同的任務，其目的是由一個輸入的年輕人臉圖像，來生成相應身份年老的人臉圖像。近年來，人臉老化的研究已經有了一定突破，并產生了許多相關的重要應用，例如：跨年齡的人臉分析、身份認證、尋找丟失兒童、娛樂、整容術，生物統計學或司法鑒定等。近年來，隨著生成對抗網絡的迅速發展，生成對抗網絡出現多種變形形式，廣泛應用于圖像級應用中。2014年Ian?Goodfellow發表Generative?AdversarialNetwork(GAN)，打開了無監督學習和生成對抗網絡的大門，生成對抗網絡以一種無監督的方式學習訓練樣本的分布并以此生成高度真實的合成數據。Mirza?et?al.提出ConditionGAN在原始GAN的基礎上引入額外的標簽信息，也就是從原來的隨機噪聲變量中分出一部分來引導網絡生成想要的圖像，采取的方式是給判別網絡和生成網絡都輸入訓練圖像對應的標簽，這樣生成對抗網絡又具備監督形式，CGAN除了用于指定條件生成數據外，還用在圖像轉換，風格遷移中。但是該模型針對人臉老化的任務仍存在許多問題，比如人像轉換的過程中無法保持身份的一致性，或者生成圖像的與預設的年齡信息不相符，以及最終生成圖像質量不高等各方面的問題。

發明內容

本發明為克服上述現有技術所述的人像轉換的過程中無法保持身份的一致性，生成圖像的與預設的年齡信息不相符，以及最終生成圖像質量不高等方面的的問題。提供一種基于條件生成對抗網絡的人臉老化方法。

本發明旨在至少在一定程度上解決上述技術問題。

為解決上述技術問題，本發明的技術方案如下：一種基于條件生成對抗網絡的人臉老化方法，包括以下步驟：

S1：搜集人臉數據，并對人臉數據進行預處理；

S2：輸入預處理后的人臉數據分別訓練年齡估計網絡AEN和身份識別網絡FRN；

S3：編碼年齡信息，構造圖像生成器G和圖像判別器D，并將圖像生成器G的生成圖像分別輸入到構造的圖像判別器D、訓練好的年齡估計網絡AEN以及身份識別網絡FRN中，計算圖像判別器、年齡估計網絡、身份識別網絡的損失函數并將損失函數進行融合作為生成器G最終的損失函數，從而構造生成對抗網絡Age-GAN，訓練生成對抗網絡Age-GAN；

S4：將待測數據輸入到生成對抗網絡Age-GAN中用于人臉老化。

本發明通過對于海量已標注年齡的不同年齡段的圖像訓練得到一個由圖像生成器G，圖像判別器D，年齡估計網絡AEN和身份識別網絡FRN組成的條件生成對抗網絡，通過這個網絡結構的設計，完成了多種損失函數的相結合，使得模型在人臉老化方面有很好的表現實現人臉的老化。

優選地，步驟S1搜集人臉數據，并對人臉數據進行預處理的具體步驟為：

S11：對將公共的包含年齡標簽和身份標簽的人臉數據庫進行搜集，人臉數據庫包括FG-NET，CACD和MORPH公共數據庫；