[發明專利]劉海生成方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110184795.6
• 申請日: 2021-02-10
• 公開（公告）號: CN112862672A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 嚴鑫毅
• 申請（專利權）人: 廈門美圖之家科技有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京清大紫荊知識產權代理有限公司 11718
• 代理人: 黃貞君;張卓

1.一種基于神經網絡的劉海生成方法，其特征在于，包括：

采用預先訓練的編碼器從待處理圖像中提取包含圖像特征的圖像隱向量，所述編碼器是神經網絡通過殘差網絡基于自加權機制對樣本圖像訓練得到的；

通過支持向量機訓練模型生成與劉海生長方向對應的方向向量；

根據所述方向向量對所述圖像隱向量進行編輯；

對編輯后的所述圖像隱向量進行圖片轉換，生成具有劉海的人像圖像。

2.根據權利要求1所述的劉海生成方法，其特征在于，所述采用預先訓練的編碼器從待處理圖像中提取包含圖像特征的圖像隱向量，包括：

采用所述編碼器的卷積神經網絡從所述待處理圖像中提取特征圖數據；

采用殘差網絡分別提取所述特征圖數據中的與每個通道域對應的通道權重和每個空間域對應的空間權重；

根據所述通道權重和所述空間權重對所述特征圖數據進行加權處理；

采用Instance Normalization對每層所述殘差網絡的所述特征圖數據進行歸一化，輸出與該層所述殘差網絡對應的隱向量；

將所有所述殘差網絡輸出的隱向量匯總到一起，就得到了與所述待處理圖像對應的圖像隱向量。

3.根據權利要求1所述的劉海生成方法，其特征在于，所述編碼器的訓練步驟，包括：

獲取包含不同的樣本圖片數據的網絡訓練數據集；

采用卷積神經網絡對所述樣本圖片數據做特征提取，經過殘差網絡對特征信息進行轉換；

將轉換后的所述特征信息輸入加權網絡進行調整，將調整后的所述特征信息輸入反卷積網絡中生成對應的圖像數據；

根據預期效果與生成的所述圖像數據對所述卷積網絡、加權網絡、殘差網絡進行調整，生成編碼器。

4.根據權利要求1所述的劉海生成方法，其特征在于，所述支持向量機訓練模型的訓練方法，包括：

隨機生成一批帶有隱向量的訓練樣本圖片，并使用預訓練的劉海分類器把訓練圖片分為有劉海標記和無劉海標記兩類，將所述訓練樣本圖片的隱向量與所述訓練樣本圖片對應存儲為兩類；

基于所述訓練樣本圖片和所述隱向量作為正負樣本訓練支持向量機訓練模型，所述支持向量機訓練模型是一個具有將隱向量分配給有劉海或無劉海的超平面的非概率二元線性分類器；

計算所述支持向量機模型超平面的法線，得到劉海生長方向的方向向量。

5.根據權利要求1所述的劉海生成方法，其特征在于，所述通過支持向量機訓練模型生成與劉海生長方向對應的方向向量，包括：

所述支持向量機訓練模型將隱向量表示為空間中的點，通過所述超平面確定所述訓練樣本圖片從無劉海到有劉海的方向向量；

所述方向向量的形狀和所述圖像隱向量保持一致，其中在對劉海有影響的層中，方向向量具有不為零的值，而在對劉海沒有影響的層中，方向向量的值為零。

6.根據權利要求1所述的劉海生成方法，其特征在于，所述根據所述方向向量對所述圖像隱向量進行編輯，包括：

將特定的步長乘上方向向量，得到修改向量；

根據所述修改向量對所述圖像隱向量進行編輯。

7.一種劉海生成裝置，其特征在于，所述裝置包括：

隱向量提取模塊，用于采用預先訓練的編碼器從待處理圖像中提取包含圖像特征的圖像隱向量，所述編碼器是神經網絡通過殘差網絡基于自加權機制對樣本圖像訓練得到的；

方向向量生成模塊，用于通過支持向量機訓練模型生成與劉海生長方向對應的方向向量；

編輯模塊，用于根據所述方向向量對所述圖像隱向量進行編輯；

轉換模塊，用于對編輯后的所述圖像隱向量進行圖片轉換，生成具有劉海的人像圖像。

8.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至6中任一項所述方法的步驟。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至6中任一項所述的方法的步驟。