[發(fā)明專利]高分辨率人臉圖像的多屬性編輯方法、系統(tǒng)、裝置

有效

• 申請?zhí)枺?/td>: 201911391946.4
• 申請日: 2019-12-30
• 公開（公告）號: CN111145311B
• 公開（公告）日: 2021-11-26
• 發(fā)明（設計）人: 孫哲南;李琦;鄧琪瑤
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06T11/60
• 分類號: G06T11/60;G06K9/00;G06T9/00;G06K9/62
• 代理公司: 北京市恒有知識產(chǎn)權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

1.一種高分辨率人臉圖像的多屬性編輯方法，其特征在于，該人臉圖像的多屬性編輯方法包括：

步驟S10，獲取高分辨率人臉圖像作為待編輯圖像，并獲取待編輯圖像對應的原始標簽集合；所述標簽為屬性二值標簽；

步驟S20，通過訓練好的多屬性編輯網(wǎng)絡的編碼器獲取所述待編輯圖像的特征表達；將所述待編輯圖像對應的原始標簽集合中待編輯的標簽調整為預設的目標標簽；

步驟S30，將調整后的標簽集合擴展為設定分辨率大小后與所述特征表達組合，并通過訓練好的多屬性編輯網(wǎng)絡的解碼器獲取所述待編輯圖像對應的屬性編輯后的圖像；

其中，所述多屬性編輯網(wǎng)絡包括生成器、判別器、分類器和小波變換模塊，并基于獲取的訓練樣本通過對抗生成方法進行訓練；所述生成器包括編碼器和解碼器；所述多屬性編輯網(wǎng)絡，其訓練方法為：

步驟B10，通過所述編碼器提取獲取的第t批樣本各圖像的特征表達；

步驟B20，將所述第t批樣本各圖像對應的原始標簽集合擴展為設定分辨率大小后分別與對應的特征表達組合，通過所述解碼器獲取各重建圖像；將所述第t批樣本各圖像對應的理想標簽集合擴展為設定分辨率大小后與對應的特征表達組合，并通過所述解碼器獲取各生成圖像；

步驟B30，基于小波變換方法，分別獲取各樣本及其對應的各重建圖像的小波系數(shù)，并計算小波損失；采用基于加權約束屬性類別方法的分類器獲取所述各生成圖像的分類結果，并計算加權屬性類別損失；計算所述各樣本分類損失以及通過所述判別器判別所述各樣本和各生成圖像的真假，并計算判別器損失；

步驟B40，令k＝k+1，并判斷k是否達到設定值，若為否則跳轉步驟B50；若為是則跳轉步驟B60；其中，k初始值為0，為生成器參數(shù)更新的次數(shù)；

步驟B50，判斷所述小波損失與加權屬性類別損失的加權是否收斂，若不收斂則更新所述生成器和所述分類器的參數(shù)；

步驟B60，判斷所述各樣本分類損失與判別器損失的加權是否收斂，若不收斂則更新所述判別器和 分類器的參數(shù)；

步驟B70，令t＝t+1后跳轉步驟B10，迭代進行參數(shù)更新直至達到設定的訓練次數(shù)，獲得訓練好的多屬性編輯網(wǎng)絡。

2.根據(jù)權利要求1所述的高分辨率人臉圖像的多屬性編輯方法，其特征在于，所述理想標簽集合為通過將所述原始標簽集合中需要改變的標簽屬性對應的0/1屬性值進行反轉后獲取的。

3.根據(jù)權利要求1所述的高分辨率人臉圖像的多屬性編輯方法，其特征在于，步驟B30中“基于小波變換方法，分別獲取各樣本及其對應的各重建圖像的小波系數(shù)”，其方法為：

將所述各樣本及其對應的各重建圖像分別進行一次小波分解，獲得各圖像對應的四個小波系數(shù)；所述四個小波系數(shù)為低頻系數(shù)、水平高頻系數(shù)、垂直高頻系數(shù)和對角高頻系數(shù)。

4.根據(jù)權利要求3所述的高分辨率人臉圖像的多屬性編輯方法，其特征在于，所述小波損失，其計算方法為：

其中，l_wavelet代表小波損失值，C_p代表樣本的第p個小波系數(shù)，代表重建圖像的第p個小波系數(shù)，表示F-范數(shù)。

5.根據(jù)權利要求1所述的高分辨率人臉圖像的多屬性編輯方法，其特征在于，所述加權屬性類別損失，其計算方法為：

其中，l_WBCE代表加權屬性類別損失值，I^e表示生成圖片，a_i是第i個目標屬性的標簽值，是第j個非目標屬性的標簽值，表示目標屬性的分類函數(shù)，表示非目標屬性的分類函數(shù)，ω₁、ω₂分別是目標屬性、非目標屬性的權重。

6.根據(jù)權利要求1-5任一項所述的高分辨率人臉圖像的多屬性編輯方法，其特征在于，所述設定分辨率大小為圖像特征表達空間分辨率大小。