[发明专利]无属性偏差的卡通人像生成方法、装置、设备及介质有效

专利信息
申请号: 202111120824.9 申请日: 2021-09-24
公开(公告)号: CN113808010B 公开(公告)日: 2023-08-11
发明(设计)人: 林彦硕 申请(专利权)人: 深圳万兴软件有限公司
主分类号: G06T3/00 分类号: G06T3/00;G06V40/16;G06V10/764;G06V10/774;G06V10/82;G06N3/045;G06N3/0464;G06N3/0475;G06N3/084;G06N3/094
代理公司: 深圳市精英专利事务所 44242 代理人: 涂年影
地址: 518000 广东省深圳市南*** 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: 属性 偏差 卡通 人像 生成 方法 装置 设备 介质
【权利要求书】:

1.一种无属性偏差的卡通人像生成方法,其特征在于,所述方法包括:

若接收到所输入的初始卡通人像集,根据所述初始卡通人像集对初始卡通人像生成模型进行训练得到训练后的卡通人像生成模型;

根据预置的属性特征提取规则从所述卡通人像生成模型中提取每一属性分类对应的属性特征信息;

根据预置的属性判断规则判断所述初始卡通人像集中初始卡通人像是否存在属性偏差;

若所述初始卡通人像集中初始卡通人像存在属性偏差,根据预置的采集规则采集得到无属性偏差的初始人脸照片集合;

根据所述初始人脸照片集合对初始模型进行训练得到训练后的人脸照片分类模型;所述初始模型包括卷积神经网络及分类神经网络;

若接收到用户输入的用户照片,根据所述人脸照片分类模型对所述用户照片进行分类以获取对应的属性分类信息;

根据每一所述属性分类对应的属性特征信息确定与所述属性分类信息对应的目标属性特征信息;

根据所述训练后的卡通人像生成模型生成与所述目标属性特征信息对应的目标卡通人像;

所述根据预置的属性判断规则判断所述初始卡通人像集中初始卡通人像是否存在属性偏差,包括:

对所述初始卡通人像进行分类统计得到人像分类统计信息;

判断所述人像分类统计信息中的统计值是否满足所述属性判断规则,以判定所述初始卡通人像是否存在属性偏差;

所述统计值包括方差值及极差统计值,所述判断所述人像分类统计信息中的统计值是否满足所述属性判断规则,以判定所述初始卡通人像是否存在属性偏差,包括:

判断所述方差值是否不大于所述属性判断规则中的方差阈值;

若所述方差值不大于所述方差阈值,判断所述极差统计值是否不大于所述属性判断规则中的极差阈值;

若所述极差统计值不大于所述极差阈值,判定所述初始卡通人像不存在属性偏差;

若所述方差值大于所述方差阈值或所述极差统计值大于所述极差阈值,判定所述初始卡通人像存在属性偏差。

2.根据权利要求1所述的无属性偏差的卡通人像生成方法,其特征在于,所述根据预置的属性特征提取规则从所述卡通人像生成模型中提取每一属性分类对应的属性特征信息,包括:

获取所述卡通人像生成模型中每一属性分类对应的属性基础特征;

根据所述属性特征提取规则中的特征聚合公式对所述属性基础特征中与每一维度对应的特征值进行聚合计算,得到每一维度与每一所述属性分类分别对应的聚合特征值;

获取每一所述属性分类在多个维度分别对应的聚合特征值进行组合,以得到每一所述属性分类的属性特征信息。

3.根据权利要求1所述的无属性偏差的卡通人像生成方法,其特征在于,所述根据所述初始人脸照片集合对初始模型进行训练得到训练后的人脸照片分类模型,包括:

根据所述卷积神经网络从所述初始人脸照片集合的每一初始人脸照片中分别提取与每一所述初始人脸照片对应的人脸照片特征信息;

根据所述分类神经网络对每一所述人脸照片特征信息依次进行分类得到对应的初始分类信息;

根据所述初始分类信息及每一初始人脸照片对应的目标分类信息对所述分类神经网络及所述卷积神经网络进行迭代训练,以得到迭代训练后的分类神经网络及卷积神经网络;

将迭代训练后的所述卷积神经网络与所述分类神经网络进行组合,以得到所述训练后的人脸照片分类模型。

4.根据权利要求3所述的无属性偏差的卡通人像生成方法,其特征在于,所述根据所述人脸照片分类模型对所述用户照片进行分类以获取对应的属性分类信息,包括:

根据所述卷积神经网络从所述用户照片中提取对应的用户照片特征信息;

根据所述分类神经网络对所述用户照片特征信息进行分类得到对应的属性分类信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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万兴软件有限公司,未经深圳万兴软件有限公司许可,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/202111120824.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top