[发明专利]刘海生成方法、装置、计算机设备和存储介质

权利要求书

1.一种基于神经网络的刘海生成方法，其特征在于，包括：

采用预先训练的编码器从待处理图像中提取包含图像特征的图像隐向量，所述编码器是神经网络通过残差网络基于自加权机制对样本图像训练得到的；

通过支持向量机训练模型生成与刘海生长方向对应的方向向量；

根据所述方向向量对所述图像隐向量进行编辑；

对编辑后的所述图像隐向量进行图片转换，生成具有刘海的人像图像。

2.根据权利要求1所述的刘海生成方法，其特征在于，所述采用预先训练的编码器从待处理图像中提取包含图像特征的图像隐向量，包括：

采用所述编码器的卷积神经网络从所述待处理图像中提取特征图数据；

采用残差网络分别提取所述特征图数据中的与每个通道域对应的通道权重和每个空间域对应的空间权重；

根据所述通道权重和所述空间权重对所述特征图数据进行加权处理；

采用Instance Normalization对每层所述残差网络的所述特征图数据进行归一化，输出与该层所述残差网络对应的隐向量；

将所有所述残差网络输出的隐向量汇总到一起，就得到了与所述待处理图像对应的图像隐向量。

3.根据权利要求1所述的刘海生成方法，其特征在于，所述编码器的训练步骤，包括：

获取包含不同的样本图片数据的网络训练数据集；

采用卷积神经网络对所述样本图片数据做特征提取，经过残差网络对特征信息进行转换；

将转换后的所述特征信息输入加权网络进行调整，将调整后的所述特征信息输入反卷积网络中生成对应的图像数据；

根据预期效果与生成的所述图像数据对所述卷积网络、加权网络、残差网络进行调整，生成编码器。

4.根据权利要求1所述的刘海生成方法，其特征在于，所述支持向量机训练模型的训练方法，包括：

随机生成一批带有隐向量的训练样本图片，并使用预训练的刘海分类器把训练图片分为有刘海标记和无刘海标记两类，将所述训练样本图片的隐向量与所述训练样本图片对应存储为两类；

基于所述训练样本图片和所述隐向量作为正负样本训练支持向量机训练模型，所述支持向量机训练模型是一个具有将隐向量分配给有刘海或无刘海的超平面的非概率二元线性分类器；

计算所述支持向量机模型超平面的法线，得到刘海生长方向的方向向量。

5.根据权利要求1所述的刘海生成方法，其特征在于，所述通过支持向量机训练模型生成与刘海生长方向对应的方向向量，包括：

所述支持向量机训练模型将隐向量表示为空间中的点，通过所述超平面确定所述训练样本图片从无刘海到有刘海的方向向量；

所述方向向量的形状和所述图像隐向量保持一致，其中在对刘海有影响的层中，方向向量具有不为零的值，而在对刘海没有影响的层中，方向向量的值为零。

6.根据权利要求1所述的刘海生成方法，其特征在于，所述根据所述方向向量对所述图像隐向量进行编辑，包括：

将特定的步长乘上方向向量，得到修改向量；

根据所述修改向量对所述图像隐向量进行编辑。

7.一种刘海生成装置，其特征在于，所述装置包括：

隐向量提取模块，用于采用预先训练的编码器从待处理图像中提取包含图像特征的图像隐向量，所述编码器是神经网络通过残差网络基于自加权机制对样本图像训练得到的；

方向向量生成模块，用于通过支持向量机训练模型生成与刘海生长方向对应的方向向量；

编辑模块，用于根据所述方向向量对所述图像隐向量进行编辑；

转换模块，用于对编辑后的所述图像隐向量进行图片转换，生成具有刘海的人像图像。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。