[發明專利]一種美顏神經網絡訓練方法、裝置、設備和存儲介質

在審

• 申請號: 202010825307.0
• 申請日: 2020-08-17
• 公開（公告）號: CN111985642A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 吳善思源;龔秋棠;侯峰;林奇;吳方燦
• 申請（專利權）人: 廈門真景科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G06T5/00
• 代理公司: 廈門原創專利事務所(普通合伙) 35101
• 代理人: 徐東峰

1.一種美顏神經網絡訓練方法，其特征在于：其包括如下步驟：

S1，訓練一個人臉五官屬性分類網絡NetA；

S2，訓練一個人臉五官語義分割網絡NetS；

S3，訓練一個普通用戶人臉自編碼網絡，包括NetCe和NetCd；

S4，訓練一個高顏值用戶人臉自編碼網絡，包括NetBe和NetBd；

S5，訓練隱空間編碼轉換網絡NetT；

S6，通過NetCe將普通用戶人臉圖像Cimage轉換成隱空間編碼Ccode；

S7，通過NetBe將高顏值用戶人臉圖像Bimage轉換成隱空間編碼Bcode；

S8，通過NetT將Ccode轉換為C2Bcode，并通過NetBd將C2Bcode還原為輸出圖像output；

S9，使Ccode＝NetCe(Cimage)；C2Bcode＝NetT(Ccode)；output＝NetBd(C2Bcode)，從而獲得與用戶本人身份特征一致的高顏值臉部圖像output。

2.根據權利要求1所述的一種美顏神經網絡訓練方法，其特征在于：所述步驟S8中的輸出圖像output受到三個約束：

(1)NetS(Cimage)對NetS(output)進行約束；

(2)NetA(Cimage)對NetA(output)進行約束；

(3)通過對抗生成網絡GAN訓練判別器NetD，使NetD(Bimage)對NetD(output)進行約束，即讓判別網絡認為生成結果output是一張高顏值用戶圖像。

3.根據權利要求1所述的一種美顏神經網絡訓練方法，其特征在于：所述步驟S1中的人臉五官屬性分類網絡NetA的訓練方法為向網絡輸入一張圖像，輸出N個判斷標簽，將判斷標簽與真實標簽計算損失殘差，通過梯度回傳訓練網絡權重。

4.根據權利要求1所述的一種美顏神經網絡訓練方法，其特征在于：所述步驟S2中的人臉五官語義分割網絡NetS的訓練方法為網絡輸入一張圖像，輸出一張語義分割mask，將輸出的語義分割mask與真實的語言標簽計算交叉熵，通過梯度回傳訓練網絡權重。

5.根據權利要求1所述的一種美顏神經網絡訓練方法，其特征在于：所述步驟S3中的NetCe和NetCd的訓練方法為向網絡輸入一張普通用戶人臉圖像，網絡輸出一張圖像，通過輸出圖像與輸入圖像計算重建損失殘差，通過梯度回傳訓練網絡權重。

6.根據權利要求1所述的一種美顏神經網絡訓練方法，其特征在于：所述步驟S4中的NetBe和NetBd的訓練方法為向網絡輸入一張高顏值用戶人臉圖像，網絡輸出一張圖像，通過輸出圖像與輸入圖像計算重建損失殘差，通過梯度回傳訓練網絡權重。

7.一種美顏神經網絡訓練裝置，其特征在于：其包括：

訓練單元，用于訓練人臉五官屬性分類網絡NetA、人臉五官語義分割網絡NetS、普通用戶人臉自編碼網絡，包括NetCe和NetCd、高顏值用戶人臉自編碼網絡，包括NetBe和NetBd和隱空間編碼轉換網絡NetT；

圖像獲取單元，用于獲取高顏值用戶人臉圖像Bimage和普通用戶人臉圖像Cimage；

約束單元，用于對輸出圖像output進行約束，包括NetS(Cimage)對NetS(output)約束、NetA(Cimage)對NetA(output)約束和通過對抗生成網絡GAN訓練判別器NetD，使NetD(Bimage)對NetD(output)約束，即讓判別網絡認為生成結果output是一張高顏值用戶圖像。

8.一種美顏神經網絡訓練設備，其特征在于：其包括：處理器、存儲器以及存儲在所述存儲器內的計算機程序，所述計算機程序能夠被所述處理器執行以實現如權利要求1至6任意一項所述的美顏神經網絡訓練方法。

9.一種計算機可讀存儲介質，其特征在于：所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行如權利要求1至6任意一項所述的美顏神經網絡訓練方法。