[发明专利]无标签的自动人脸属性编辑方法

权利要求书

1.一种无标签的自动人脸属性编辑方法，其特征在于，采用人脸数据集对基于卷积神经网络的对抗网络生成器及其对应的鉴别器进行初步训练，然后以经人脸数据集训练后的分类器生成编辑标签，并与人脸数据集中的原始人脸图像合并后输入初步训练后的对抗网络生成器及其鉴别器实现网络微调，从而得到属性编辑后的图像；

所述的人脸数据集包括含有标签的人脸图像数据集和不包含标签的人脸图像数据集；

所述的分类器为基于卷积神经网络结构且与对抗网络生成器结构一致，该分类器分别采用包含标签的数据集进行训练；该分类器采用包含发色、性别和是否佩戴眼镜标签的数据集CelebA、采用只含有年龄标签的数据集Adience和采用只含有情绪标签的数据集FER+训练，以实现对人脸属性的精确分类；

所述的分类器输出大小为5x1，代表需判断5种属性，分别是：性别、发色、是否佩戴眼镜、年龄、情绪；

所述的网络微调是指：采用训练后的分类器对不包含标签的人脸图像数据集中的人脸图像生成编辑标签；

所述的初步训练是指：将人脸数据集中的任意一个中的人脸原始图像和属性原域信息标签分别输入对抗网络生成器和鉴别器中进行人脸属性编辑任务的训练，得到受目标生成域控制的欺骗图；该初步训练，以满足将欺骗图和人脸原始图像对应的属性原域信息标签结合后输入对抗网络生成器后能够得到人脸原始图像为准；

所述的网络微调是指：以数据集MS-1M中的人脸原始图像作为输入生成伪标签；然后将数据集中的人脸原始图像和伪标签作为初步训练后的对抗网络生成器及其鉴别器的输入，生成属性编辑后的图像；

所述的分类器通过以下方式进行训练：将数据集中的所有人脸图像平均分为10份，每一次迭代随机选10份中1份作为测试集，其余9份做训练集，训练任务共迭代100次；将训练集中人脸原始图像与属性源域信息标签输入分类器进行对应数据集的属性识别任务的训练；所有训练集人脸图像训练完成之后，固定分类器的参数对测试集中人脸图像进行识别，并与属性源域信息标签作比较得出识别准确率；

所述的训练，在利用数据集CelebA进行属性识别时只激活负责识别性别、发色、是否佩戴眼镜的神经元；或在利用数据集Adience进行属性识别时只激活负责识别年龄的神经元；或在利用数据集FER+进行属性识别时只激活负责识别情绪的神经元；

所述的识别准确率，包括：采用数据集CelebA的训练后的平均准确率为92.14％，其中，性别识别的准确率为98.67％，发色识别的准确率为86.12％，是否佩戴眼镜识别的准确率为91.63％；在采用数据集Adience的训练后的平均年龄识别的准确率为58.74％；在采用数据集FER+的训练后的平均情绪识别的准确率为48.94％；最终五个属性的平均识别准确率为76.82％。