[发明专利]一种基于端到端卷积神经网络的人脸三维重建方法在审
| 申请号： | 201810576253.1 | 申请日： | 2018-06-06 |
| 公开（公告）号： | CN108805977A | 公开（公告）日： | 2018-11-13 |
| 发明（设计）人： | 任重;俞云康;周昆 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06T17/00 | 分类号： | G06T17/00;G06N3/04;G06N3/08 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 邱启旺 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于单张人脸图片的人脸三维重建方法，该方法基于端到端卷积神经网络，为了充分发挥深度卷积神经网络的能力，将人脸三维模型编码到二维点坐标图，并且提出了一种新的更适合人脸重建的损失函数，可以直接使用一个轻量级的端到端网络来学习和预测。同时，该算法还能进行人脸对齐，得到准确的三维人脸关键点坐标。在多个公开的人脸数据集上的对比实验表明，本发明仅使用单张人脸图片就可以重建出准确的人脸三维模型。相比于已有的人脸重建方法，本发明提出的方法在精度和速度上都有较大的提升。 | ||
| 搜索关键词： | 人脸 卷积神经网络 人脸图片 三维模型 三维重建 端到端 重建 端到端网络 对比实验 人脸对齐 人脸数据 损失函数 点坐标 关键点 二维 算法 三维 预测 学习 | ||
【主权项】：
1.一种基于端到端卷积神经网络的人脸三维重建方法，其特征在于，该方法包括如下步骤：(1)获取模板人脸:基于Basel人脸数据库中的平均人脸三维模型，去除每个顶点的三维坐标值，只保留顶点之间的连接关系和每个顶点的二维UV坐标。(2)处理训练数据集：基于AFLW2000人脸数据集，首先扩充训练数据，然后编码人脸三维模型。(3)训练神经网络：使用深度学习工具TensorFlow构建卷积神经网络，并在训练集上训练。(4)重建三维人脸：对于需要重建的人脸图片，使用步骤3得到神经网络模型，重建得到三维人脸模型。
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浙江大学，未经浙江大学许可，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/patent/201810576253.1/，转载请声明来源钻瓜专利网。
