[發明專利]人臉屬性編輯模型的訓練方法、人臉屬性編輯方法及設備

在審

• 申請號: 202110143937.4
• 申請日: 2021-02-02
• 公開（公告）號: CN112819689A
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 黃嘉彬;李玉樂;項偉
• 申請（專利權）人: 百果園技術（新加坡）有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06T9/00;G06K9/00
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 邢少真

1.一種人臉屬性編輯模型的訓練方法，其特征在于，所述方法包括：

將第一圖片輸入圖片編碼器，得到所述圖片編碼器輸出的編碼特征，所述第一圖片中的人臉具有第一屬性；

將所述編碼特征分別輸入第一圖片解碼器和第二圖片解碼器，得到所述第一圖片解碼器輸出的第二圖片，以及所述第二解碼器輸出的第三圖片，所述第二圖片中的人臉具有第二屬性，所述第三圖片中的人臉具有第一屬性，且所述第一屬性不同于所述第二屬性；

基于所述第二圖片和所述第三圖片，構建所述第一圖片解碼器的目標損失函數，所述目標損失函數包括對抗損失和特征匹配損失，所述特征匹配損失用于約束圖片間深層語義特征的相似性；

基于所述目標損失函數訓練所述第一圖片解碼器，并將所述圖片編碼器和訓練得到的所述第一圖片解碼器確定為所述人臉屬性編輯模型。

2.根據權利要求1所述的方法，其特征在于，所述基于所述第二圖片和所述第三圖片，構建所述第一圖片解碼器的目標損失函數，包括：

基于所述第二圖片確定所述對抗損失；

基于所述第二圖片和所述第三圖片各自對應的深層語義特征，確定所述特征匹配損失；

基于所述對抗損失和所述特征匹配損失確定所述目標損失函數。

3.根據權利要求2所述的方法，其特征在于，所述基于所述第二圖片和所述第三圖片各自對應的深層語義特征，確定所述特征匹配損失，包括：

獲取所述第一圖片解碼器生成所述第二圖片過程中的第一深度特征圖，以及所述第二圖片解碼器生成所述第三圖片過程中的第二深度特征圖，所述第一圖片解碼器和所述第二圖片解碼器的網絡結構相同，且所述第一深度特征圖和所述第二深度特征圖為同一網絡層級輸出的特征圖；

基于所述第一深度特征圖和所述第二深度特征圖確定所述特征匹配損失。

4.根據權利要求2所述的方法，其特征在于，所述基于所述第二圖片確定所述對抗損失，包括：

將所述第二圖片輸入判別器，得到所述判別器輸出的判別結果，所述判別器用于判別具有所述第二屬性的原始圖片和生成圖片；

基于所述判別結果確定所述對抗損失。

5.根據權利要求2所述的方法，其特征在于，所述基于所述第二圖片和所述第三圖片，構建所述第一圖片解碼器的目標損失函數，還包括：

基于所述第一圖片和所述第二圖片確定屬性感知損失，所述屬性感知損失用于約束除所述第一屬性和所述第二屬性以外的人臉屬性；

所述基于所述對抗損失和所述特征匹配損失確定所述目標損失函數，包括：

基于所述對抗損失、所述特征匹配損失以及所述屬性感知損失確定所述目標損失函數。

6.根據權利要求5所述的方法，其特征在于，所述基于所述第一圖片和所述第二圖片確定屬性感知損失，包括：

將所述第一圖片和所述第二圖片分別輸入人臉屬性分類器的特征提取層，得到所述第一圖片對應的第一屬性特征圖以及所述第二圖片對應的第二屬性特征圖；

分別將所述第一屬性特征圖和所述第二屬性特征圖輸入所述人臉屬性分類器的全連接層，得到所述第一圖片對應的第一人臉屬性分類結果，以及所述第二圖片對應的第二人臉屬性分類結果；

將所述第一屬性特征圖和所述第二屬性特征圖之間的L2損失，以及所述第一人臉屬性分類結果和所述第二人臉屬性分類結果之間的L2損失，確定為所述屬性感知損失。

7.根據權利要求6所述的方法，其特征在于，所述方法還包括：

獲取第一樣本圖片，所述第一樣本圖片包含對應的屬性標簽；

將所述第一樣本圖片輸入所述人臉屬性分類器，得到所述人臉屬性分類器輸出的樣本屬性分類結果；

基于所述屬性標簽與所述樣本屬性分類結果，確定所述人臉屬性分類器。