基于轮廓对称约束生成式对抗网络的多姿态人脸识别方法.pdf
Ja****20
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于轮廓对称约束生成式对抗网络的多姿态人脸识别方法.pdf
本发明公开了基于轮廓对称约束生成式对抗网络的多姿态人脸识别方法,其特征是,包括如下步骤:1)数据预处理;2)轮廓约束生成网络;3)对称约束对抗网络;4)训练平衡网络;5)重建与识别。这种方法能有效解决人脸图像的姿态角度偏转影响、提取到人脸在多姿态下更具鲁棒性的特征,特别在大角度姿态重建下将全局质量和局部细节相互约束,保持了正脸的轮廓特征信息,能满足实际应用中对多姿态人脸识别的高精度需求。
一种基于光照、姿态生成对抗网络的人脸识别方法.pdf
本发明公开了一种基于光照、姿态生成对抗网络的人脸识别方法,包括步骤:(1)获取各种光照以及角度的人脸图像作为样本数据;(2)通过端到端训练生成对抗网络得到最优光照生成器;(3)通过端到端训练生成对抗网络得到最优姿态生成器;(4)设置目标光照以及姿态,进行人脸光照、姿态变换。本发明利用生成对抗网络方法及各种损失函数,可有效地将给定的人脸图像变换到指定光照条件以及指定姿态下,另外在姿态变换网络中引入了双路注意力机制,将人脸跟关键点信息分开处理,使得在进行姿态变换的同时,能够很好地保留原有图像中的光照信息。本发
基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法.pdf
本发明公开了一种基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法。其实现方案是:根据行人图像数据集,对行人图像进行目标检测获取训练样本;构建基于多样性样本生成的孪生生成式对抗网络模型,该模型对目标检测后输入的两组行人图像的姿态属性信息互换,实现多样性样本的生成;构建基于保持身份特征的孪生生成式对抗网络模型,该模型利用身份判别器保留生成行人图像的身份信息,从而提升行人重识别对生成行人图像身份的鲁棒性;针对生成式对抗网络优化困难的问题,构建基于多目标优化的孪生生成式对抗网络参数学习方法;为了验证提
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
基于人脸关键点引导式生成对抗网络的人脸修复方法.pdf
本发明涉及一种基于人脸关键点引导式生成对抗网络的人脸修复方法,包括:人脸关键点引导式生成对抗网络构建、人脸关键点引导式生成对抗网络训练、人脸修复步骤。本发明使用人脸关键点引导式生成对抗网络生成完整人脸,在人脸大面积区域缺失的情况下,结合人脸关键点损失函数辅助网络的训练,引导生成人脸的轮廓不断接近于真实人脸的轮廓,使得修复后的人脸轮廓连贯、真实。解决了严重遮挡等条件导致的大面积区域缺失的人脸修复结果失真的问题。