[发明专利]一种人脸图像数据生成方法、装置及设备

说明书

本发明公开了一种人脸图像数据生成方法、装置及设备，该人脸图像数据生成方法包括：获取原始图像中的人脸的单属性特征以及获取噪声向量；根据所述单属性特征和所述噪声向量，计算图像数据；利用所述图像数据以及原始图像数据，进行对抗网络模型训练；通过所述对抗网络模型，生成人脸图像数据。本发明的实施例，基于有限的人脸数据，利用自训练后的生成对抗网络生成具有多样性单属性特征的人脸图像数据，有效扩增训练数据集，解决了原始人脸数据集有限导致的过拟合问题，提升人脸属性分析模型对人脸的检测性能，进一步提高了人脸定位和识别分析的准确程度。

技术领域

本发明涉及人脸识别领域，尤其涉及一种人脸图像数据生成方法、装置及设备。

背景技术

随着神经网络技术的发展，神经网络技术应用在越来越多的场景中，而人脸识别作为生物特征识别中最活跃的分支，也越来越受到重视。其中，图像视频检索以及人脸属性分析等又是人脸识别的重要应用，以人脸识别中的年龄估计为例，在传统的年龄估计技术中，由于缺乏人脸图像样本数据，只能基于有限的数据进行年龄分布挖掘，或者在获取人脸不同区域的图像信息后，结合所获取的图像信息进行年龄估计。目前，可以采用数据增广方法对人脸图像样本进行扩充，但是常规的数据增广方法无法对包含特定年龄等属性信息的人脸图像样本进行扩充，从而影响人脸识别的准确性，进而限制人脸识别的应用和推广。

如何在有限数据条件下，运用生成数据强化有限的真实数据并优化模型性能是生成对抗网络生成数据的主要目的。因此，如何保留光照、遮挡、姿态、表情的多样性，分离出上述多样性与目标属性之间的特征并再现至合成人脸上，以提高合成人脸的生成准确性；以及，如何在大批量合成人脸数据中选择出人脸数据用于增强有限的真实人脸数据，并优化预训练的人脸属性分析模型是生成数据辅助属性分析需要解决的主要问题。

发明内容

为了解决上述技术问题，本发明提供了一种人脸图像数据生成方法、装置及设备，以解决因人脸图像数据有限导致人脸属性分析模型容易过拟合的问题。

依据本发明的一个方面，提供了一种人脸图像数据生成方法，包括：

获取原始图像中的人脸的单属性特征以及获取噪声向量；

根据所述单属性特征和所述噪声向量，计算图像数据；

利用所述图像数据以及原始图像数据，进行对抗网络模型训练；

通过所述对抗网络模型，生成人脸图像数据。

可选地，获取原始图像中的人脸的单属性特征，包括：

提取训练集中的原始图像的单属性特征；

将所述单属性特征转换为独热one-hot向量。

可选地，根据所述单属性特征和所述噪声向量，计算生成图像数据，包括：

通过公式：x′＝G(z，a)＝f_n(...(f₁((z，a)·W¹)·W²))·Wⁿ，计算得到图像数据；

其中，x′为图像数据，G表示生成对抗网络中的生成网络，z为由随机分布的向量中取样的噪声向量，a为所述单属性特征，f_i为所述生成网络G的非线性函数，Wⁱ为权重，i为神经网络的层数，i＝1，2，…，n。

可选地，利用所述图像数据以及原始图像数据，进行对抗网络模型训练，包括：

根据所述图像数据和所述原始图像数据，获取图像的真伪判别概率和单属性特征值，以及原始图像的真伪判别概率和单属性特征值；

根据所述图像的真伪判别概率和单属性特征值，以及原始图像的真伪判别概率和单属性特征值，计算判别网络的损失函数和生成网络的损失函数；