[发明专利]高分辨率人脸图像的多属性编辑方法、系统、装置

权利要求书

1.一种高分辨率人脸图像的多属性编辑方法，其特征在于，该人脸图像的多属性编辑方法包括：

步骤S10，获取高分辨率人脸图像作为待编辑图像，并获取待编辑图像对应的原始标签集合；所述标签为属性二值标签；

步骤S20，通过训练好的多属性编辑网络的编码器获取所述待编辑图像的特征表达；将所述待编辑图像对应的原始标签集合中待编辑的标签调整为预设的目标标签；

步骤S30，将调整后的标签集合扩展为设定分辨率大小后与所述特征表达组合，并通过训练好的多属性编辑网络的解码器获取所述待编辑图像对应的属性编辑后的图像；

其中，所述多属性编辑网络包括生成器、判别器、分类器和小波变换模块，并基于获取的训练样本通过对抗生成方法进行训练；所述生成器包括编码器和解码器；所述多属性编辑网络，其训练方法为：

步骤B10，通过所述编码器提取获取的第t批样本各图像的特征表达；

步骤B20，将所述第t批样本各图像对应的原始标签集合扩展为设定分辨率大小后分别与对应的特征表达组合，通过所述解码器获取各重建图像；将所述第t批样本各图像对应的理想标签集合扩展为设定分辨率大小后与对应的特征表达组合，并通过所述解码器获取各生成图像；

步骤B30，基于小波变换方法，分别获取各样本及其对应的各重建图像的小波系数，并计算小波损失；采用基于加权约束属性类别方法的分类器获取所述各生成图像的分类结果，并计算加权属性类别损失；计算所述各样本分类损失以及通过所述判别器判别所述各样本和各生成图像的真假，并计算判别器损失；

步骤B40，令k＝k+1，并判断k是否达到设定值，若为否则跳转步骤B50；若为是则跳转步骤B60；其中，k初始值为0，为生成器参数更新的次数；

步骤B50，判断所述小波损失与加权属性类别损失的加权是否收敛，若不收敛则更新所述生成器和所述分类器的参数；

步骤B60，判断所述各样本分类损失与判别器损失的加权是否收敛，若不收敛则更新所述判别器和 分类器的参数；

步骤B70，令t＝t+1后跳转步骤B10，迭代进行参数更新直至达到设定的训练次数，获得训练好的多属性编辑网络。

2.根据权利要求1所述的高分辨率人脸图像的多属性编辑方法，其特征在于，所述理想标签集合为通过将所述原始标签集合中需要改变的标签属性对应的0/1属性值进行反转后获取的。

3.根据权利要求1所述的高分辨率人脸图像的多属性编辑方法，其特征在于，步骤B30中“基于小波变换方法，分别获取各样本及其对应的各重建图像的小波系数”，其方法为：

将所述各样本及其对应的各重建图像分别进行一次小波分解，获得各图像对应的四个小波系数；所述四个小波系数为低频系数、水平高频系数、垂直高频系数和对角高频系数。

4.根据权利要求3所述的高分辨率人脸图像的多属性编辑方法，其特征在于，所述小波损失，其计算方法为：

其中，l_wavelet代表小波损失值，C_p代表样本的第p个小波系数，代表重建图像的第p个小波系数，表示F-范数。

5.根据权利要求1所述的高分辨率人脸图像的多属性编辑方法，其特征在于，所述加权属性类别损失，其计算方法为：

其中，l_WBCE代表加权属性类别损失值，I^e表示生成图片，a_i是第i个目标属性的标签值，是第j个非目标属性的标签值，表示目标属性的分类函数，表示非目标属性的分类函数，ω₁、ω₂分别是目标属性、非目标属性的权重。

6.根据权利要求1-5任一项所述的高分辨率人脸图像的多属性编辑方法，其特征在于，所述设定分辨率大小为图像特征表达空间分辨率大小。