[发明专利]基于对抗生成网络的图像处理方法和装置

说明书

本发明提供一种基于对抗生成网络的图像处理方法和装置，所述方法包括：步骤S1，获取第一人脸样本图像；获取第一人脸多属性条件；步骤S2，将所述第一人脸样本图像和所述第一人脸多属性条件，输入训练好的对抗生成网络的生成网络，得到第一合成图像；步骤S3，将所述第一合成图像作为符合所述第一人脸多属性条件的人脸图像，并输出。

技术领域

本发明涉及对抗生成网络技术领域，尤其是基于对抗生成网络的图像处理方法和装置。

背景技术

随着神经网络技术的发展，神经网络技术正应用在越来越多的场景中，比如模式识别、数据压缩、函数逼近等，而人脸识别作为生物特征识别中最活跃的分支之一，也越来越受到重视。其中，图像视频检索以及人脸属性分析等又是人脸识别的重要应用，以人脸识别中的年龄估计为例，在传统的年龄估计技术中，由于缺乏人脸图像样本数据，只能基于有限的数据进行年龄分布挖掘，或者在获取人脸不同区域的图像信息后，结合所获取的图像信息进行年龄估计。目前，可以采用数据增广方法对人脸图像样本进行扩充，但是常规的数据增广方法无法对包含特定年龄和性别等属性信息的人脸图像样本进行扩充，从而影响人脸识别的准确性，进而限制人脸识别的应用和推广。

如何在有限数据条件下运用生成数据强化有限的真实数据优化模型性能是生成对抗网络生成数据的主要用处和目的。因此，如何保留光照、遮挡、姿态、表情的多样性，完美分离出上述多样性与目标属性(年龄、性别和种族)之间的特征并再现至合成人脸上以提高合成人脸的生成准确性，以及如何在大批量合成人脸数据中选择出人脸数据用于增强有限的真实人脸数据并优化预训练的人脸属性分析模型是生成数据辅助属性分析需要解决的主要问题。目前现有技术中的生成对抗网络算法主要集中生成图像的视觉效果，在图像实用有效性上很少进行讨论和应用。生成数据优化模型的算法的有效性也进一步证实生成对抗网络的生成数据在实际应用和辅助增强有限的数据集上的重要作用。

发明内容

本发明的实例提供了一种基于对抗生成网络的图像处理方法和装置，能够运用生成数据强化现有数据。

为了实现上述目的，本发明采取了如下技术方案。

一种基于对抗生成网络的图像处理方法，包括：

步骤S1，获取第一人脸样本图像；获取第一人脸多属性条件；

步骤S2，将所述第一人脸样本图像和所述第一人脸多属性条件，输入训练好的对抗生成网络的生成网络，得到第一合成图像；

步骤S3，将所述第一合成图像作为符合所述第一人脸多属性条件的人脸图像，并输出。

一种基于对抗生成网络的图像处理装置，包括：

获取单元，获取第一人脸样本图像；获取第一人脸多属性条件；

输入单元，将所述第一人脸样本图像和所述第一人脸多属性条件，输入训练好的对抗生成网络的生成网络，得到第一合成图像；

输出单元，将所述第一合成图像作为符合所述第一人脸多属性条件的人脸图像，并输出。

由上述本发明的实例提供的技术方案可以看出，本发明实例通过利用FM-GAN生成批量不同属性(年龄、性别和种族)的人脸数据，在原始模型预训练性能的基础上，采用在线自训练方法结合生成数据和真实数据提升模型性能，解决了有限数据环境下模型性能瓶颈的问题。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实例的技术方案，下面将对实例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。