一种基于生成式对抗网络的人脸表情生成方法.pdf
一只****爱敏
亲,该文档总共14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。
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。
基于生成对抗网络的人脸匿名隐私保护方法.pdf
本发明提供一种基于生成对抗网络的人脸匿名隐私保护方法。本发明首先对人脸图像数据预处理;然后构建生成对抗网络结构;再建立人脸区域匿名的目标函数;然后建立场景内容区域保留的目标函数;随后进行人脸匿名与场景保留的目标函数的结合;最后采用公开数据集进行训练及测试,输出最终结果。本方法对图像中人脸区域进行合成脸的替换而达到人脸匿名的效果,相对以往的马赛克遮挡的方法更高效并且在视觉上更友好。本发明方法具有高效性与实用性,对人物图像的隐私保护更高效和美观。