[发明专利]基于生成式对抗网络的人脸素描图像转换为RGB图像方法

权利要求书

1.一种基于生成式对抗网络的人脸素描图像转化为RGB图像的方法，其特征在于，包括以下步骤：

步骤1，使用CelebFaces属性数据集(CelebA)作为真实的彩色人脸图像数据来源，并对图像数据进行预处理，得到训练集A；

步骤2，构建基于生成式对抗网络的人脸素描图像转换为RGB图像的模型，包括生成模型G和判别模型D；

步骤3，将训练集A输入到基于生成式对抗网络的人脸素描图像转换为RGB图像的模型中，并采用单独交替训练方法训练生成模型与判别模型，采用监督性学习方式对生成式对抗网络模型进行训练，得到训练输出集B；

步骤4，利用条件生成式对抗网络模型的损失函数、生成器G损失函数、判别器D损失函数计算生成式对抗网络模型的损失函数，得到基于生成式对抗网络的模型最终的损失函数；

步骤5，重复步骤1，得到测试集C；

步骤6，将测试集C输入训练好的基于生成式对抗网络的模型进行测试，得到测试输出集E；

步骤7，重复步骤3,4，将训练集A进行600次迭代，用于训练模型，再重复步骤6，将测试集C进行5次迭代，得到最终的测试输出集E。

2.根据权利要求1所述的一种基于生成式对抗网络的人脸素描图像转化为RGB图像的方法，其特征在于，所述步骤1中，使用CelebFaces属性数据集(CelebA)作为真实的彩色人脸图像数据，首先利用基于深层神经网络的OpenFace人脸检测方法，截取数据集中每张图像的人脸部分，得到彩色人脸图像数据集，再利用OpenCV方法对彩色人脸图像数据集进行归一化，得到大小为256*256的目标数据集即真实的彩色人脸图像集Target，最后利用Pillow库把真实的彩色人脸图像集Target转化为素描图像，作为输入图像即人脸素描图像Input，与真实的彩色人脸图像集Target一一配对，并将Input和Target作为训练集A。

3.根据权利要求1所述的一种基于生成式对抗网络的人脸素描图像转化为RGB图像的方法，其特征在于，所述步骤2中，构建边缘增强和生成式对抗网络模型中的生成模型使用U-Net架构，由编码器和解码器组成，编码器中的第i层与解码器中第n-i层之间连通，使得解码器中的通道数变为原来的2倍；其中编码器进行下采样操作，包括8个卷积层，第一层为卷积层，卷积核为4*4，步长为2，第二层至第八层均为卷积核为4*4、步长为2的Convolution-BatchNorm-ReLU层；解码器包括8个反卷积层，进行上采样操作，8个标准化层，使反卷积后的值处于[0,1]之间，8个拼接层，用于拼接图像第3维的特征通道，最后返回Tanh函数。

4.根据权利要求1所述的一种基于生成式对抗网络的人脸素描图像转化为RGB图像的方法，其特征在于，所述步骤2中，构建边缘增强和生成式对抗网络模型中的判别模型使用PatchGAN架构，包含3个卷积核为4*4、步长为2的1个Convolution-LReLU层，3个Convolution-BatchNorm-Dropout-LReLU层和1个全连接层，其中Dropout的概率为0.5。