[发明专利]一种基于生成对抗网络实现人脸妆容转换的方法

权利要求书

1.一种用于化妆人脸图像的妆容自动转换方法，其特征在于，包括如下步骤：

S1，构建人脸妆容数据将其分为化妆和未化妆两部分，并分成训练集和测试集；

S2，生成器G1从数据集中同时接收两张未化妆和化妆的人脸图像并生成妆容转移和去除后的两幅图像；

S3，生成后的两幅图像的分别输入至不同图域的判别器，求出对应的妆容损失、身份特征损失、背景特征损失以及感知损失再反向传播至生成器G1，而得到的判别损失传至两个图域的判别器；

S4，生成器G2从G1的生成结果中接收化妆转移和去除后的人脸图像后再次进行转换，恢复成初始图像，其循环损失也反向传播至生成器；

S5，不断迭代重复步骤S2，步骤S3和步骤S4，直至网络收敛，实现人脸妆容转移网络的训练；

S6，在测试数据集上，给定待转换的化妆前后人脸图像，输入到训练得到的妆容转移网络，从而实现妆容转移。

2.如权利要求1所述的用于化妆人脸图像的妆容自动转移方法，其特征在于，所述的步骤S1包括：

步骤S1.1，将收集到的图片去除部分低质量、不清晰图片后，分为化妆和未化妆两部分；

步骤S1.2，将两部分图片分别进行人脸关键点检测，并根据关键点将基准图片分割为对应的人脸解析图像。

3.如权利要求1所述的用于化妆人脸图像的妆容自动转移方法，其特征在于，所述的步骤S2具体为：

该网络包含两个独立的具有卷积的输入分支，将两个分支相连后置于残差块中，输出的特征映射将被两个单独的转置卷积分支上采样，生成两幅结果图像。

4.如权利要求1所述的用于化妆人脸图像的妆容自动转移方法，其特征在于，所述的步骤S3具体为：

通过采用直方图匹配策略，提前生成地面真值重映射图像得到妆容损失；身份特征和背景特征的保留则通过人脸解析精准提取对应区域进行损失计算；而内容感知损失则通过计算深度卷积网络提取的高级特征之间的差异；

所述的直方图匹配策略包括：先对x和y进行脸、眉毛、鼻子、嘴唇四个部位的局部直方图匹配以获得重新映射图像HM(x,y),求出HM(x,y)与生成器妆容转换后图像对应区域之间的MSE损失，再反向传播梯度进行优化；

所述的身份特征和背景信息的保留包括：利用解析图像的人脸部分和背景部分进行损失计算；

所述的内容感知损失计算包括：利用预训练的VGG-16网络中的relu_4_1和relu_5_1特征层进行计算。

5.如权利要求1所述的用于化妆人脸图像的妆容自动转移方法，其特征在于，所述的步骤S4具体为：

生成器G2以输入的化妆图像为源图像，去妆图像为参考图像进行妆容的再次转移，构成闭合循环，并与最初的原始图像之间计算循环损失。