[发明专利]编辑模型生成、人脸图像编辑方法、装置、设备及介质

权利要求书

1.一种图像编辑模型生成方法，其特征在于，包括：

对生成对抗模型进行训练，所述生成对抗模型包括生成器和判别器；

根据所述判别器的梯度更新配置信息，更新所述生成对抗模型，所述梯度更新配置信息通过利普希茨约束条件确定；

在确定所述生成对抗模型满足训练结束条件时，根据当前训练的生成对抗模型中的生成器，生成图像编辑模型；

所述确定所述生成对抗模型满足训练结束条件，包括：

根据损失函数配置信息计算所述生成对抗模型的损失函数，所述损失函数配置信息用于在初始损失函数中添加欧氏距离范数，所述欧氏距离范数包括的元素为所述生成器中编码器的参数项；

如果确定所述损失函数满足稳定条件，则确定所述生成对抗模型满足训练结束条件；

所述根据所述判别器的梯度更新配置信息，更新所述生成对抗模型，包括：

根据所述判别器的梯度更新配置信息，确定所述判别器中各特征提取层对应的参数学习速率最大阈值；

根据各所述特征提取层的参数学习速率最大阈值，更新所述判别器的参数项，以使所述特征提取层关联的更新后的参数项与所述特征提取层对应的参数学习速率最大阈值匹配；

所述根据当前训练的生成对抗模型中的生成器，生成图像编辑模型，包括：

获取预先训练的图像特征检测模型中的卷积神经网络；将所述卷积神经网络添加到所述生成器的解码器；根据更新后的生成器，生成图像编辑模型；

其中，所述图像特征检测模型的训练步骤包括：提取区域图像块的特征信息，并形成特征向量，将各所述卷积神经网络生成的特征向量合成目标特征向量，将所述目标特征向量进行分类，获得各所述区域图像块之间的关系数据。

2.根据权利要求1所述的方法，其特征在于，所述图像特征检测模型通过图像特征样本训练生成，所述图像特征样本包括在同一图像中的两个区域图像块和两个所述区域图像块之间的关系数据；所述图像特征检测模型包括两个共享权重的卷积神经网络、特征向量拼接器和全连接网络分类器，所述卷积神经网络提取所述区域图像块的特征信息，并形成特征向量，所述特征向量拼接器用于将各所述卷积神经网络生成的特征向量合成目标特征向量，所述全连接网络分类器用于将所述目标特征向量进行分类，并输出各所述区域图像块之间的关系数据。

3.根据权利要求2所述的方法，其特征在于，所述图像特征样本包括在同一人脸图像中的两个人脸器官区域图像块和两个所述人脸器官区域图像块之间的关系数据。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述对生成对抗模型进行训练，包括：

将真实图像样本输入到生成对抗模型，对所述生成对抗模型进行训练。

5.一种人脸图像编辑方法，其特征在于，包括：

获取待编辑的人脸图像；

将所述待编辑的人脸图像输入到预先训练的图像编辑模型中，得到所述图像编辑模型输出的编辑人脸图像；

其中，所述图像编辑模型通过如权利要求1-4任一项所述的图像编辑模型生成方法生成。

6.一种基于权利要求1-4任一项所述的图像编辑模型生成方法的图像编辑模型生成装置，其特征在于，包括：

生成对抗模型训练模块，用于对生成对抗模型进行训练，所述生成对抗模型包括生成器和判别器；

梯度更新配置信息获取模块，用于根据所述判别器的梯度更新配置信息，更新所述生成对抗模型，所述梯度更新配置信息通过利普希茨约束条件确定；

图像编辑模型生成模块，用于在确定所述生成对抗模型满足训练结束条件时，根据当前训练的生成对抗模型中的生成器，生成图像编辑模型。

7.一种人脸图像编辑装置，其特征在于，包括：

人脸图像获取模块，用于获取待编辑的人脸图像；

人脸图像编辑模块，用于将所述待编辑的人脸图像输入到预先训练的图像编辑模型中，得到所述图像编辑模型输出的编辑人脸图像；其中，所述图像编辑模型通过如权利要求1-4任一项所述的图像编辑模型生成方法生成。