[发明专利]一种基于深度卷积对抗网络模型的人脸生成方法

权利要求书

1.一种基于深度卷积对抗网络模型的人脸生成方法，其特征在于，所述的人脸生成方法包括下列步骤：

S1、构造原始生成对抗网络模型，通过生成器生成图像输入至判别器进行网络训练；

S2、构造深度卷积神经网络充当生成器与判别器；

S3、初始化随机噪声，输入生成器中；

S4、将人脸图像数据集输入判别器中进行训练；

S5、将人脸识别操作得到的损失函数输入生成器进行后续训练。

2.根据权利要求1所述的一种基于深度卷积对抗网络模型的人脸生成方法，其特征在于，所述的步骤S4具体过程如下：

S41、准备人脸图像的数据集；

S42、将生成器生成图像与人脸图像数据集一并输入判别器进行训练；

S43、分析损失函数，调整每次迭代过程中生成器与判别器的训练次数。

3.根据权利要求2所述的一种基于深度卷积对抗网络模型的人脸生成方法，其特征在于，所述的步骤S43中分析损失函数，调整每次迭代过程中生成器与判别器的训练次数具体如下：

设定生成器的损失函数为A，判别器的损失函数为B，在每次迭代的过程中，若A-B为正，则增加生成器的训练次数，否则增加判别器的训练次数。

4.根据权利要求1所述的一种基于深度卷积对抗网络模型的人脸生成方法，其特征在于，所述的损失函数的表达式为：

L(D)=-Ex~pr[D(x)]+Ex~pg[D(x)]+λEx~X▿x]]>

其中，D(x)表示判别器对图像的判别，pr表示数据集图像的分布，pg表示生成图像的分布，λ为超参数，为梯度，E为取均值的操作符号。