[發明專利]人臉圖像的超分辨率重建模型的訓練及重建方法

在審

• 申請號: 202011582052.6
• 申請日: 2020-12-28
• 公開（公告）號: CN112581370A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 姚佳麗;胡旭陽;李瑮
• 申請（專利權）人: 蘇州科達科技股份有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 張琳琳

1.一種人臉圖像的超分辨率重建模型的訓練方法，其特征在于，包括：

獲取第一樣本圖像以及所述第一樣本圖像對應的第二樣本圖像，所述第一樣本圖像的分辨率高于所述第二樣本圖像的分辨率；

將所述第二樣本圖像輸入超分辨率重建模型中，得到第一重建圖像；

計算所述第一重建圖像以及所述第一樣本圖像的先驗信息，并確定人臉先驗信息損失；

根據所述人臉先驗信息損失，對所述超分辨率重建模型的參數進行更新，以確定目標超分辨率重建模型。

2.根據權利要求1所述的訓練方法，其特征在于，所述根據所述人臉先驗信息損失，對所述超分辨率重建模型的參數進行更新，以確定目標超分辨率重建模型，包括：

獲取所述第二樣本圖像的亮度重建數據，所述亮度重建數據為所述超分辨重建模型對所述第二樣本圖像的亮度數據進行重建得到的；

基于所述第二樣本圖像的亮度重建數據以及所述第一樣本圖像的亮度數據，確定像素損失；

利用所述像素損失以及所述人臉先驗信息損失，確定聯合損失；

基于所述聯合損失，對所述超分辨率重建模型的參數進行更新，以確定目標超分辨率重建模型。

3.根據權利要求2所述的訓練方法，其特征在于，所述聯合損失采用如下公式計算得到：

l_sr＝β₁l₁+β₂l₂，

其中，l₁為所述像素損失，l₂為所述人臉先驗信息損失，β₁、β₂為對應的權重，W′、H′分別為所述第一樣本圖像的寬度以及高度，I^hr為第一樣本圖像，為所述第一樣本圖像的亮度數據，I^lr為所述第二樣本圖像，為所述第二樣本圖像的亮度重建數據，I^sr為所述第一重建圖像，為所述第一樣本圖像的人臉先驗信息，為所述第一重建圖像的人臉先驗信息。

4.根據權利要求1所述的訓練方法，其特征在于，所述根據所述人臉先驗信息損失，對所述超分辨率重建模型的參數進行更新，以確定目標超分辨率重建模型，還包括：

基于所述人臉先驗信息損失，對所述超分辨率重建模型的參數進行更新，以確定目標教師超分辨率重建模型；

對所述目標教師超分辨率重建模型的網絡參數進行壓縮，確定初始學生超分辨率重建模型；

對所述初始學生超分辨率重建模型進行訓練，以調整所述初始學生超分辨率重建模型的參數，確定目標學生超分辨率重建模型。

5.根據權利要求4所述的訓練方法，其特征在于，所述對所述目標教師超分辨率重建模型的網絡參數進行壓縮，確定初始學生超分辨率重建模型，包括：

利用所述目標教師超分辨率重建模型，確定所述初始學生超聲分辨率重建模型的網絡結構；

確定所述初始學生超分辨率重建模型中各個卷積層的卷積核通道數；

基于確定出的卷積核通道數，從所述目標教師超分辨率重建模型對應卷積層中提取相應卷積核通道數的參數，以對所述確定出的卷積核通道數的參數進行初始化；

初始化所述初始學生超分辨率重建模型中其他層的參數，以確定所述初始學生超分辨率重建模型。

6.根據權利要求5所述的訓練方法，其特征在于，所述對所述初始學生超分辨率重建模型進行訓練，以調整所述初始學生超分辨率重建模型的參數，確定目標學生超分辨率重建模型，包括：

獲取第三樣本圖像以及所述第三樣本圖像對應的第四樣本圖像，所述第三樣本圖像的分辨率高于所述第四樣本圖像的分辨率；

將所述第四樣本圖像分別輸入所述目標教師超分辨率重建模型以及所述初始學生超分辨率重建模型中，分別進行特征提取，以得到第一特征以及第二特征；

利用所述第一特征以及所述第二特征，確定特征損失；

利用所述第三樣本圖像以及所述初始學生超分辨率重建模型輸出的第二重建圖像，確定重建損失；

基于所述特征損失以及所述重建損失，對所述初始學生超分辨率重建模型的參數進行調整，以確定目標學生超分辨率重建模型。