一种基于生成对抗网络模型生成多角度人脸图像的方法.pdf
是翠****ng
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于生成对抗网络模型生成多角度人脸图像的方法.pdf
本发明公开了一种基于生成对抗网络模型生成多角度人脸图像的方法,能够获取基于原始人脸图像生成指定角度的人脸图像的请求,然后分别提取原始人脸图像的轮廓特征和五官特征,最后将指定角度、轮廓特征、以及五官特征输入预先训练得到的生成对抗网络模型,得到目标人脸图像。可见,该方法利用预先训练完成的生成对抗网络模型实现了基于人脸图像生成任意指定角度人脸图像的目的,避免了人脸姿态变化给身份识别带来的影响。此外,本发明还提供了一种基于生成对抗网络模型生成多角度人脸图像的装置、设备及计算机可读存储介质,其作用与上述方法相对应。
基于生成对抗网络的人脸图像质量增强方法.pdf
本发明公开了人脸图像质量增加方法?生成对抗网络方法,具体地,包含以下五个步骤:1)静态人脸数据采集,2)数据处理,3)搭建生成对抗网络,4)训练生成对抗网络,5)测试生成对抗网络,本发明采用生成对抗网络来建模人脸图像质量,生成器包含图像增强、分辨率增强,图像增强实现对人脸图像亮度和噪声的矫正与增强,采用三种不同的方式来测量原始高质量人脸图像和增强后人脸图像之间的相似性,分别是MSE、SSIM以及判别器输出的分数,实现半监督的方法实现人脸图像质量增强,不需要标记训练数据,大大简化训练难度。
一种基于生成对抗网络先验的盲人脸图像复原方法.pdf
本发明公开了一种基于生成对抗网络先验的盲人脸图像复原方法,包括生成对抗网络先验模块、图像特征提取模块、基于无监督学习退化表征策略的退化表征编码模块、退化感知特征插值模块。生成对抗网络先验模块,用于从初始特征图通过针对人脸预训练好的生成对抗网络生成不同尺度的中间特征图,从而合成更真实的人脸结构和细节;图像特征提取模块,用于从原始退化图像提取出不同尺度的特征图;退化表征编码模块,根据是否使用不同退化函数构造正负样本,从而实现在无监督情况下提取出图像在不同退化程度下的退化表征;退化感知特征插值模块,用于融合图像
一种基于生成式对抗网络的人脸表情生成方法.pdf
本发明公开了一种基于生成式对抗网络的人脸表情生成方法。该方法包括:构建深度学习网络模型,其包括循环神经网络、生成器、图像判别器、第一视频判别器和第二视频判别器,其中循环神经网络针对输入图像产生时间相关的运动向量,生成器以运动向量和输入图像作为输入,输出相应的视频帧,图像判别器用于判断各视频帧的真伪,第一视频判别器判断视频的真伪并进行分类,第二视频判别器控制生成视频变化的真实性和平滑性;利用包含不同表情类别的样本图像作为输入,训练所述深度学习网络模型;利用经训练的生成器实时生成人脸视频。本发明在生成表情的同
一种基于条件胶囊生成对抗网络的图像生成方法.pdf
本发明公开了一种基于条件胶囊生成对抗网络的图像生成方法,包括下述步骤:图像数据采集并对图像进行预处理;提取出条件向量;获取随机噪声;设计一个神经网络作为生成器将随机噪声和条件向量映射为生成图片;设计另外一个神经网络作为判别器接收生成图片、真实图片和条件向量得到损失值;在训练对抗网络时,根据损失值最小化目标函数来调节生成器网络权值;训练完成后,生成器网络权值调整到最佳,此时舍弃判别器,保留生成器模型作为生成图像的最佳神经网络。本发明通过利用胶囊神经网络来设计判别器结构,结合现有的WGAN和CGAN的优点,网