[发明专利]信息生成方法和装置

说明书

本申请实施例公开了信息生成方法和装置。该方法的一具体实施方式包括：获取待处理图像；将该待处理图像输入至预先训练的图像生成模型，得到对该待处理图像进行光线调整后的优化图像，其中，该优化图像为在正面均匀光源条件下所呈现的人脸图像，该图像生成模型用于对在非正面均匀光源条件下所拍摄的图像进行光线调整以生成正面均匀光源条件下的图像；将该优化图像输入至预先训练的人脸关键点检测模型，得到与该优化图像中的人脸关键点位置信息。该实施方式提高了信息生成的准确性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及图像处理领域，尤其涉及信息生成方法和装置。

背景技术

随着互联网技术的发展，人脸检测技术应用到了越来越多的领域。例如，可以通过人脸检测来进行身份验证等。通常，在人脸检测过程中，需要对人脸图像中的人脸关键点(例如眼角、嘴角、轮廓中的点等)进行定位，以生成人脸关键点的位置信息。

然而，在光照环境较差的情况下(例如逆光、侧光等情况)，图像中的对象不清晰、不易辨认，现有的方式通常是直接对该图像进行人脸关键点的位置检测。

发明内容

本申请实施例提出了信息生成方法和装置。

第一方面，本申请实施例提供了一种信息生成方法，该方法包括：获取待处理图像，其中，待处理图像为在非正面均匀光源条件下对人脸拍摄的图像；将待处理图像输入至预先训练的图像生成模型，得到对待处理图像进行光线调整后的优化图像，其中，优化图像为在正面均匀光源条件下所呈现的人脸图像，图像生成模型用于对在非正面均匀光源条件下所拍摄的图像进行光线调整以生成正面均匀光源条件下的图像；将优化图像输入至预先训练的人脸关键点检测模型，得到与优化图像中的人脸关键点位置信息，其中，人脸关键点检测模型用于检测图像中的人脸关键点位置。

在一些实施例中，图像生成模型通过如下步骤训练得到：提取预置的训练样本和预先建立的生成式对抗网络，其中，生成式对抗网络包括生成网络、第一判别网络和第二判别网络，生成网络用于对所输入的图像进行光照调整并输出调整后的图像，第一判别网络用于确定所输入的图像是否由生成网络输出，第二判别网络用于确定生成网络输出的图像的人脸关键点位置信息是否与输入至生成网络的人脸关键点位置信息相匹配；利用机器学习方法，基于训练样本对生成网络、第一判别网络和第二判别网络进行训练，将训练后的生成网络确定为图像生成模型。

在一些实施例中，训练样本包括多个在非正面均匀光源条件下生成的第一图像、在正面均匀光源条件下生成的第二图像和第二图像的人脸关键点位置信息。

在一些实施例中，利用机器学习方法，基于训练样本对生成网络、第一判别网络和第二判别网络进行训练，将训练后的生成网络确定为图像生成模型，包括：执行如下训练步骤：固定生成网络的参数，将第一图像作为生成网络的输入，将生成网络输出的图像输入至预先训练的人脸关键点检测模型，得到待检测人脸关键点位置信息；将生成网络输出的图像、第二图像作为第一判别网络的输入，将待检测人脸关键点位置信息和第二图像的人脸关键点位置信息作为第二判别网络的输入，利用机器学习方法对第一判别网络和第二判别网络进行训练；固定训练后的第一判别网络和第二判别网络的参数，将第一图像作为生成网络的输入，利用机器学习方法、反向传播算法和梯度下降算法对生成网络进行训练；确定训练后的第一判别网络和第二判别网络的损失函数值，响应于确定损失函数值收敛，将生成网络确定为图像生成模型。

在一些实施例中，利用机器学习方法，基于训练样本对生成网络、第一判别网络和第二判别网络进行训练，将训练后的生成网络确定为图像生成模型，还包括：响应于确定损失函数值不收敛，使用训练后的生成网络、第一判别网络和第二判别网络重新执行训练步骤。