[发明专利]用户头像的生成方法及装置、电子设备、存储介质在审

专利信息
申请号: 201811627121.3 申请日: 2018-12-28
公开(公告)号: CN109670476A 公开(公告)日: 2019-04-23
发明(设计)人: 梁智聪;何家荣 申请(专利权)人: 网易(杭州)网络有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06T5/50
代理公司: 北京润泽恒知识产权代理有限公司 11319 代理人: 莎日娜
地址: 310052 浙江省杭州*** 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:
搜索关键词: 用户图像 用户头像 图像特征信息 存储介质 电子设备 特征信息 保障用户 个人特征 目标用户 生成模型 专属性 隐私 个性化 兼容 图像 风格 保证
【权利要求书】:

1.一种用户头像的生成方法,其特征在于,所述方法包括:

获取第一用户图像及第二用户图像;

从所述第一用户图像中提取第一用户图像特征信息,以及从所述第二用户图像中提取第二用户图像特征信息;

采用预先训练的生成模型,根据所述第一图像特征信息和所述第二图像特征信息生成目标用户图像。

2.根据权利要求1所述的方法,其特征在于,还包括:

获取第一样本图像及第二样本图像;其中,所述第一样本图像与所述第一用户图像相关联,所述第二样本图像与所述第二用户图像相关联;

对所述第一样本图像及所述第二样本图像进行训练,得到所述生成模型。

3.根据权利要求2所述的方法,其特征在于,对所述第一样本图像及所述第二样本图像进行训练,得到所述生成模型,包括:

生成所述第一样本图像及所述第二样本图像对应的第三样本图像;

获取所述第二样本图像对应的第二样本特征信息,以及获取所述第三样本图像对应的第三样本特征信息;

采用所述第二样本特征信息信息和所述第三样本特征信息信息,计算得到纹理损失;

根据预先训练的判别模型和所述纹理损失,更新所述生成模型。

4.根据权利要求3所述的方法,其特征在于,根据预先训练的判别模型和所述纹理损失,更新所述生成模型,包括:

采用所述预先训练的所述判别模型,确定所述第三样本图像对应的内容损失;

根据所述内容损失和所述纹理损失的权值,更新所述生成模型。

5.根据权利要求1至4中任一项所述的方法,其特征在于,还包括:

获取第四样本图像、第五样本图像,以及所述第四样本图像及所述第五样本图像对应的第六样本图像;其中,所述第四样本图像与所述第一用户图像相关联,所述第五样本图像与所述第二用户图像相关联;

将所述第四样本图像和所述第六样本图像组织为正样本,以及将所述第五样本图像和所述第六样本图像组织为负样本;

分别对所述正样本和所述负样本进行训练,得到判别模型;其中,所述判别模型对应的正样本损失在预设的正样本损失范围内,所述判别模型对应的负样本损失在预设的负样本损失范围内。

6.根据权利要求5所述的方法,其特征在于,采用如下方式计算所述判别模型对应的正样本损失:

确定所述正样本对应的正样本矩阵;

计算所述正样本矩阵与第一预设矩阵之间的距离,作为所述判别模型对应的正样本损失;其中,所述第一预设矩阵与所述第四样本图像相对应;

采用如下方式计算所述判别模型对应的负样本损失:

确定所述负样本对应的负样本矩阵;

计算所述负样本矩阵与第二预设矩阵之间的距离,作为所述判别模型对应的正样本损失;其中,所述第二预设矩阵与所述第五样本图像相对应。

7.根据权利要求1所述的方法,其特征在于,所述采用预先训练的生成模型,生成所述第一用户图像特征信息和所述第二用户图像特征信息对应的目标用户图像的步骤包括:

将所述第一用户图像特征信息和所述第二用户图像特征信息合并为第三用户图像特征信息;

将所述第三用户图像特征信息输入预先训练的生成模型,经由所述生成模型中卷积层与反卷积层处理,获得所述生成模型输出的目标用户图像。

8.一种用户头像的生成装置,其特征在于,所述装置包括:

用户图像获取模块,用于获取第一用户图像及第二用户图像;

用户特征提取模块,用于从所述第一用户图像中提取第一用户图像特征信息,以及从所述第二用户图像中提取第二用户图像特征信息;

用户图像生成模块,用于采用预先训练的生成模型,根据所述第一用户图像特征信息和所述第二用户图像特征信息生成目标用户图像。

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网易(杭州)网络有限公司,未经网易(杭州)网络有限公司许可,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/pat/books/201811627121.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top