[发明专利]特征潜码的提取方法及装置、设备及存储介质在审
申请号: | 202110311446.6 | 申请日: | 2021-03-23 |
公开(公告)号: | CN113077379A | 公开(公告)日: | 2021-07-06 |
发明(设计)人: | 陈仿雄 | 申请(专利权)人: | 深圳数联天下智能科技有限公司 |
主分类号: | G06T3/00 | 分类号: | G06T3/00;G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 深圳中细软知识产权代理有限公司 44528 | 代理人: | 袁文英 |
地址: | 518000 广东省深圳市南山区粤海街道高*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 特征 提取 方法 装置 设备 存储 介质 | ||
1.一种特征潜码的提取方法,其特征在于,所述方法包括:
获取已训练好的生成式对抗网络及待提取特征潜码的第一人脸图像;
利用所述生成式对抗网络及所述第一人脸图像,对特征潜码生成网络进行迭代训练,直至利用第一特征潜码能够还原所述第一人脸图像,所述第一特征潜码为所述特征潜码生成网络输出的所述第一人脸图像的特征潜码;
将能够还原所述第一人脸图像的第一特征潜码确定为基于所述第一人脸图像提取的目标特征潜码。
2.根据权利要求1所述的方法,其特征在于,所述利用所述生成式对抗网络及所述第一人脸图像,对特征潜码生成网络进行迭代训练,直至利用第一特征潜码能够还原所述第一人脸图像,包括:
将所述第一人脸图像输入第i特征潜码生成网络进行训练,得到所述第i特征潜码生成网络输出的第一特征潜码,i的初始值为1,且第1特征潜码生成网络为初始网络;
将所述第一特征潜码输入所述生成式对抗网络中进行图像生成,得到所述生成式对抗网络输出的第二人脸图像;
将所述第二人脸图像输入至所述第i特征潜码生成网络进行训练,获取所述第二人脸图像的第二特征潜码;
根据所述第一人脸图像、所述第一特征潜码,所述第二人脸图像及所述第二特征潜码确定所述第i特征潜码生成网络是否收敛;
若所述第i特征潜码生成网络收敛,则确定所述第一特征潜码能够还原所述第一人脸图像;
若所述第i特征潜码生成网络不收敛,则对所述第i特征潜码生成网络进行参数优化,得到第i+1特征潜码生成网络,并令i=i+1,返回执行所述将所述第一人脸图像输入第i特征潜码生成网络进行训练的步骤。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一人脸图像、所述第一特征潜码,所述第二人脸图像及所述第二特征潜码确定所述第i特征潜码生成网络是否收敛,包括:
根据所述第一人脸图像及所述第二人脸图像,确定人脸图像之间的像素相似性损失值及结构相似性损失值;
根据所述第一特征潜码及所述第二特征潜码,确定特征潜码之间的特征相似性损失值;
根据所述像素相似性损失值、结构相似性损失值及所述特征相似性损失值,确定所述第i特征潜码生成网络是否收敛。
4.根据权利要求3所述的方法,其特征在于,所述根据所述像素相似性损失值、结构相似性损失值及所述特征相似性损失值,确定所述第i特征潜码生成网络是否收敛,包括:
获取预设的所述像素相似性损失值对应的第一权重、所述结构相似性损失值对应的第二权重,及所述特征相似性损失值对应的第三权重;
计算所述第一权重与所述像素相似性损失值的第一乘积、所述第二权重与所述结构相似性损失值的第二乘积、所述第三权重与所述特征相似性损失值的第三乘积,并计算所述第一乘积、第二乘积与所述第三乘积的和作为总损失值;
根据所述总损失值确定所述第i特征潜码生成网络是否收敛。
5.根据权利要求1所述的方法,其特征在于,所述获取已训练好的生成式对抗网络及待提取特征潜码的第一人脸图像之后还包括:
获取所述第一人脸图像的目标人脸关键点,所述目标人脸关键点包含左眼中心关键点及右眼中心关键点;
计算所述左眼中心关键点至右眼中心关键点的连线形成的向量值;
根据所述向量值对所述第一人脸图像进行人脸对齐处理,得到优化后的第一人脸图像。
6.根据权利要求5所述的方法,其特征在于,所述根据所述向量值对所述第一人脸图像进行人脸对齐处理,得到优化后的第一人脸图像,包括:
基于所述向量值的正负确定进行人脸对齐处理时的旋转方向,并确定所述向量值与水平方向形成的夹角;
利用所述旋转方向及所述夹角对所述第一人脸图像中各像素点进行坐标变换,得到优化后的第一人脸图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳数联天下智能科技有限公司,未经深圳数联天下智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110311446.6/1.html,转载请声明来源钻瓜专利网。