[發明專利]一種基于生成對抗網絡由父母照片生成子女照片的方法

在審

• 申請號: 201910855999.0
• 申請日: 2019-09-11
• 公開（公告）號: CN110570349A
• 公開（公告）日: 2019-12-13
• 發明（設計）人: 章東平;束元;陳思瑤
• 申請（專利權）人: 中國計量大學
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06K9/00;G06K9/36
• 代理公司: 33333 杭州杭欣專利代理事務所(普通合伙)
• 代理人: 潘欣欣

本發明公開了一種基于生成對抗網絡由父母照片生成子女照片的方法，將人臉圖像數據行劃分為訓練樣本集與測試樣本集，并對訓練樣本集中的人臉圖像進行數據預處理。之后，重新構建生成對抗中生成器的卷積神經網絡結構，加入了反卷積。然后，將訓練樣本集和對應人臉照片的年齡信息一同輸入到模型中進行訓練，并保存各生成器、判斷器和相似度模型的網絡參數。最后，利用經過數據預處理后的測試樣本集對生成器和判斷器模型進行測試，獲得測試結果。本發明旨在當需要對一個人通過人臉圖像進行身份識別而一時只有其父母的人臉圖像的情況下，能夠迅速的對其身份進行初步認證。

技術領域

本發明屬于深度學習圖像識別領域，涉及到生成對抗網絡、卷積神經網絡、深度學習和圖像匹配等技術，具體涉及到一種基于生成對抗網絡由父母照片生成子女照片的方法。

背景技術

近年來，隨著計算機技術的迅速發展，圖像識別技術得到廣泛研究與開發，例如人臉識別和行人識別就是近30年里模式識別和圖像處理中最熱門的研究主題之一，它們的目的分別是從人臉和行人圖像中抽取人的個性化特征，并以此來識別人的身份。

在人臉識別和行人識別的工作中，制作合適的數據集往往是一個巨大的難題。以人臉識別為例，想要通過人臉來進行身份識別需要采集同一攝像頭下大量不同角度的人臉圖像。同時還要將光照、天氣、角度、遮擋等常見因素，甚至時間因素考慮在內，這就導致了人臉圖像的短期內不同標簽數據量懸殊的問題。

2014年Goodfellow Ian提出生成對抗網絡Generative Adversarial Nets(GAN)概念后，GAN瞬間風靡了整個學術圈，利用GAN來根據需求自由生成目標圖像以起到擴充數據集的作用。

GAN主要包括了兩個部分，即生成器generator與判別器discriminator。生成器主要用來學習真實圖像分布從而讓自身生成的圖像更加真實，以騙過判別器。判別器則需要對接收的圖片進行真假判別。這就使得在整個過程中，生成器努力地讓生成的圖像更加真實，而判別器則努力地去識別出圖像的真假。隨著時間的推移，生成器和判別器在不斷地進行對抗的過程中，兩個網絡最終達到了一個動態均衡：即生成器生成的圖像接近于真實圖像分布，而判別器識別不出真假圖像，對于給定圖像的預測為真的概率基本接近0.5。

發明內容

本發明的目的在于提供一種基于生成對抗網絡由父母照片生成子女照片的方法，以解決上述背景技術中提出的問題。

一種基于生成對抗網絡由父母照片生成子女照片的方法，其特征在于，按照如下步驟進行：

步驟1：收集同一家庭的不同全家福照片中的人臉圖像作為訓練數據集，將訓練數據依據家庭關系分為4類，分別為：父親、母親、兒子、女兒，并對圖像的大小進行歸一化預處理；

步驟2：基于生成對抗網絡的由父母照片生成子女照片的模型由3個模塊組成，分別為生成對抗網絡中的生成器G_(ij)k(i,j＝1,2且i≠j,k＝3,4)、生成對抗網絡中的判斷器D_k(k＝3,4)以及相似度模型S；

其中，生成器G_(ij)k采用殘差卷積神經網絡結構，輸入為一張父親的人臉圖像、一張母親的人臉圖像以及兩人對應照片上的年齡，輸出得到一張兒子或女兒的人臉圖像，其損失函數記為L_G；

判斷器D_k，其輸入為一張真實的兒子或女兒的人臉圖像和一張由生成器G_(ij)k生成的兒子或女兒的人臉圖像，輸出值表示將輸入圖像判斷為真實的兒子或女兒的人臉圖像的概率，其損失函數記為L_D；

相似度模型S，直接使用預訓練好的人臉識別模型，分別將兩張人臉圖像輸入到相似度模型中，提取特征層中特征計算歐式距離，輸出的是兩張人臉圖像的相似度，其損失函數記為L_S；