[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

说明书

本发明公开了一种属性生成对抗网络以及基于该网络的人脸图像的连续变换方法，该属性生成对抗网络包含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、年龄特征编码器和解码器；所述解码器使用基于自适应权值标准化的渐进式特征融合的结构，所述判别器使用多任务结构。该方法在训练该属性生成对抗网络时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。本发明公开的技术方案通过基于自适应权值标准化的解码器模拟人脸软组织和颅骨形状随年龄的变化，通过多任务结构的判别器减少了模型计算的参数量，在维持计算资源的低耗前提下，实现任意年龄跨度的人脸图像精准连续变换。

技术领域

本发明属于计算机视觉技术领域，涉及人脸图像连续变换方法。

背景技术

对于人脸年龄变换问题，难以使用监督学习的方法来完成。因为监督学 习需要对每个身份采集其不同年龄的人脸图像，存在数据采集的时间跨度 大、容易产生缺失值等问题。基于生成对抗网络的人脸图像编辑方法能够改 变人脸的固有属性，如年龄、性别等。

现有技术中国发明专利申请CN 201810896017.8公开了一种基于生成 对抗网络的脸部变化预测方法。该方法将年轻人脸图像输入生成对抗网络模 型中，输出年老人脸图像。一方面，该方法在网络学习训练过程中，需要同 时具有一个身份人脸的两个不同年龄的人脸图像输入，对学习样本要求较 高，构建学习样本的工作量较大。另一方面，由于该方法使用的网络为单任 务变换网络，一次只能从一个年龄域变换到另一个年龄域，不能从一个人脸 图像生成大跨度的一系列连续变换的人脸图像。

发明内容

基于此，本发明的目的在于通过构造渐进式融合结构的解码器和多任务 结构的判别器，解决现有技术中人脸图像变换的失真以及单一的技术问题。

为了达到上述目的，本发明提供了如下的技术方案。

一种基于属性生成对抗网络的人脸图像连续变换的方法，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(AdaWN adaptive weight normalization) 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，根据判别器损失函数训练所述 判别器，根据生成器损失函数训练生成器，完成所述属性生成对抗网络的训 练；

S4、进行人脸图像变换：将源人脸图像输入至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。

具体地，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