[发明专利]面部属性自动编辑系统、方法、存储介质和终端

权利要求书

1.面部属性自动编辑系统，其特征在于：包括训练模块和自动编辑模块；

所述的训练模块包括编码器G_enc、第一解码器G_dec、第二解码器G_dec、分类器C、判别器D、属性分类约束单元、重建误差单元、对抗误差单元和总误差单元；

带有原始属性a的图片x^a分别输出至重建误差单元和编码器G_enc，编码器G_enc的输出端输出潜在表示z分别至两个解码器，即z＝G_enc(x^a)；第一解码器G_dec的另外一个输入端输入原始属性a，第一解码器G_dec的输出端输出重建图片至重建误差单元，即第二解码器G_dec的另外一个输入端输入期望属性b，第二解码器G_dec的输出端输出期望图片分别至分类器C和判别器D，即分类器C的输出端输出提取得到的图片属性至属性分类约束单元，即属性分类约束单元的另外一个输入端输入期望属性b；判别器D的另外一个输入端输入带有原始属性a的图片x^a，判别器D的输出端与对抗误差单元连接；总误差单元的输入端分别与属性分类约束单元、重建误差单元、对抗误差单元连接，总误差单元的输出端分别与编码器G_enc、第一解码器G_dec、第二解码器G_dec、分类器C、判别器D连接；

其中，所述的属性分类约束单元包括期望属性生成子单元和原始属性生成子单元，所述的期望属性生成子单元用于将潜在表示z和期望属性b生成一张逼真的照片，公式如下：

式中，公式中的G_dec为第二解码器G_dec，pdata表示真实图像的分布，pattr表示属性的分布，x^a～pdata表示从真实图像中取样，b～pattr表示从属性中取样，表示第i个属性的预测，n为属性数量，l_g(x^a,b)是所有属性的二元交叉熵损失的总和，E表示分布抽样后对l_g(x^a,b)取期望值；

所述的原始属性生成子单元用于将潜在表示z和原始属性a生成尽可能与带有原始属性a的图片x^a一样的照片，公式如下：

式中，C表示分类器，x^a～pdata表示从真实图像中取样，C_i(x^a)表示第i个属性的预测，n为属性数量，l_r(x^a,a)是所有属性的二元交叉熵损失的总和，E表示分布抽样后对l_r(x^a,a)取期望值；

所述的重建误差单元旨在保留属性之外的细节，公式如下：

式中，公式中的G_dec为第一解码器G_dec，并采用l1损失函数；

所述的对抗误差单元用于让生成的期望图片更加真实，公式如下：

式中，式中的G_dec为第二解码器G_dec，||D||_L小于等于1表示D属于1-lipschitz连续，L表示第几范式；D(x^a)表示表示对原图片进行判别，表示对生成的期望属性的图片进行判别；

所述的总误差单元用于结合属性分类约束单元、重建误差单元和对抗误差单元获得统一的属性GAN，用来自动编辑待具有期望属性b的图片；所述的总误差单元包括编码器解码器目标计算子单元、以及分类器判别器目标计算子单元，其中编码器解码器目标计算子单元的公式如下：

式中，式中的G_dec为第二解码器G_dec和第一解码器G_dec，λ₁、λ₂为超参数，值为给定值；

分类器判别器目标计算子单元的公式如下：

式中，λ₃为超参数，值为给定值；

所述的自动编辑模块采用训练模块中训练完成的编码器G_enc、第二解码器G_dec和分类器C，所述的编码器G_enc的输入端输入待自动编辑的图片X^a，所述的待自动编辑的图片X^a包括原始属性a，分类器C的输入端输入待提取特征的图片X^b，所述的待提取特征的图片X^b包含期望属性b；

编码器G_enc的输出端输出潜在表示z至第二解码器G_dec，即z＝G_enc(X^a)，分类器C的输出端输出提取得到的期望属性b至第二解码器G_dec，即b＝C(X^b)，第二解码器G_dec的输出端输出自动编辑完成的具有期望属性b的图片Xout，即X_out＝G_dec(z,b)＝G_dec(G_enc(X^a),C(X^b))。