[发明专利]属性生成对抗网络以及基于该网络的人脸图像连续变换方法

权利要求书

1.一种基于属性生成对抗网络的人脸图像连续变换的方法，其特征在于，该方法包括如下步骤：

S1、构建包含大量人脸图像数据的数据集,所述人脸图像数据包括人脸图像以及与人脸图像相对应的图像信息，所述图像信息包括年龄信息和身份ID信息；

S2、构建属性生成对抗网络，所述属性生成对抗网络包括一个生成器和一个判别器；

所述生成器包括身份特征编码器，用于提取输入人脸图像的身份特征；年龄特征编码器，用于提取参考人脸图像的年龄特征，作为目标条件；解码器，使用基于自适应权值标准化模块的渐进式特征融合结构，用于将所述身份特征和所述目标条件通过风格融合的方法生成目标人脸图像；

所述判别器为年龄属性判别器，所述判别器使用多任务结构，所述多任务结构包括多个全连接层以及与之相对应的多个二分类器，每一个二分类器对应一个目标年龄域，用于判断所述目标人脸图像是否真实以及判断所述目标人脸图像的人脸年龄是否属于目标年龄域；

其中，所述属性生成对抗网络使用的目标损失函数包括对抗损失函数、循环一致损失函数、重建损失函数、身份特征损失函数和年龄特征损失函数；

S3、训练属性生成对抗网络，从所述数据集随机选择两张年龄信息不同的人脸图像分别作为输入人脸图像和参考人脸图像输入至所述生成器，所述生成器将生成的人脸图像输出至所述判别器，根据目标损失函数训练所述判别器和所述生成器；

S4、进行人脸图像变换：将一张源人脸图像输入至由步骤C训练好的属性生成对抗网络，生成多个目标人脸图像，每一个目标人脸图像对应一个目标年龄域，通过年龄特征线性插值生成连续的年龄变换图像。

2.根据权利要求1所述的基于属性生成对抗网络的人脸图像连续变换的方法，其特征在于，所述循环一致损失函数用于所述生成器在生成过程中维持人脸的身份特征，具体表示为

其中，且为属于源年龄域的第二参考人脸图像经过所述年龄特征编码器E_age提取的源年龄特征，y是所述生成器根据源年龄域的输入人脸图像x_id生成的目标人脸图像，F为解码器。

3.根据权利要求1所述的基于属性生成对抗网络的人脸图像连续变换的方法，其特征在于，所述重建损失函数表示为

其中，x_rec为重建图像。

4.根据权利要求1所述的基于属性生成对抗网络的人脸图像连续变换的方法，其特征在于，所述身份特征损失函数表示为

所述年龄特征损失函数表示为

其中，为目标年龄隐向量。

5.根据权利要求1所述的基于属性生成对抗网络的人脸图像连续变换的方法，其特征在于，所述步骤C的训练过程使用生成器判别器交替梯度下降算法、小批量的随机梯度下降算法以及Adam算法进行训练，所述对抗损失函数为非饱和对抗损失函数，具体表示为：

其中D_t为所述判别器第t类的softmax概率输出。

6.一种使用权利要求1-6所述的人脸连续变换方法的属性生成对抗网络，其特征在于，该网络包括

一个生成器和一个判别器；

所述生成器包括身份特征编码器，包括四个第一残差块和一个第一平均池化层，用于提取输入人脸图像的身份特征；年龄特征编码器，包括多个第二残差块、一个第二平均池化层和一个全连接层，每一个第二残差块对应一个目标年龄域，所述年龄特征编码器用于提取参考人脸图像的年龄特征，作为目标条件；和解码器，包括多个特征融合层，每一个特征融合层包括一个第三残差块和一个自适应权值标准化模块，所述自适应权值标准化模块将所述目标条件进行权值调整和权值标准化处理输出至第三残差块，所述第三残差块上采样所述身份特征，将所述身份特征和所述目标条件融合输出至下一个特征融合层，所述解码器通过基于自适应权值标准化模块的渐进式融合输出目标人脸图像；

所述判别器为年龄属性判别器，所述判别器使用多任务结构，所述多任务结构包括多个第二全连接层以及与之相对应的多个二分类器，每一个二分类器对应一个目标年龄域，所述多任务结构的判别器用于在训练阶段判断所述目标人脸图像是否真实以及判断所述目标人脸图像的人脸年龄是否属于目标年龄域，以此调整所述生成器的网络参数。