[发明专利]基于自注意力网络的人脸图像增强方法、系统及介质

权利要求书

1.一种基于自注意力网络的人脸图像增强方法，其特征在于，包括以下步骤：

基于自注意力网络构建初始生成对抗模型；

通过人脸数据库获取第一人脸图像，根据所述第一人脸图像对所述初始生成对抗模型进行训练，得到第一生成对抗模型；

获取实际场景的第二人脸图像，根据所述第二人脸图像对所述第一生成对抗模型进行训练，得到第二生成对抗模型；

获取待增强的第三人脸图像，将所述第三人脸图像输入到所述第二生成对抗模型，得到增强后的第四人脸图像。

2.根据权利要求1所述的一种基于自注意力网络的人脸图像增强方法，其特征在于，所述基于自注意力网络构建初始生成对抗模型这一步骤，其具体包括：

构建自注意力网络，所述自注意力网络包括输入嵌入层、注意力机制模块和前馈模块；

根据所述自注意力网络构建生成器和判别器；

根据所述生成器和所述判别器构建所述初始生成对抗模型。

3.根据权利要求2所述的一种基于自注意力网络的人脸图像增强方法，其特征在于：所述生成器包括多层感知机、多个上采样模块以及第一线性压平层，所述上采样模块包括所述自注意力网络和上采样层。

4.根据权利要求2所述的一种基于自注意力网络的人脸图像增强方法，其特征在于：所述判别器包括多个所述自注意力网络和第二线性平压层。

5.根据权利要求2所述的一种基于自注意力网络的人脸图像增强方法，其特征在于，所述通过人脸数据库获取第一人脸图像，根据所述第一人脸图像对所述初始生成对抗模型进行训练，得到第一生成对抗模型这一步骤，其具体为：

通过人脸数据库获取第一人脸图像，将所述第一人脸图像输入到所述初始生成对抗模型，对所述生成器和判别器进行交替训练，直至所述生成器和所述判别器达到纳什平衡，得到所述第一生成对抗模型。

6.根据权利要求1所述的一种基于自注意力网络的人脸图像增强方法，其特征在于，所述获取实际场景的第二人脸图像，根据所述第二人脸图像对所述第一生成对抗模型进行训练，得到第二生成对抗模型这一步骤，其具体包括：

在人脸识别系统的实际场景中进行抓拍，获取所述第二人脸图像；

将所述第二人脸图像输入到所述第一生成对抗模型，对所述生成器和判别器进行交替训练，直至所述生成器和所述判别器达到纳什平衡，得到所述第二生成对抗模型。

7.根据权利要求3所述的一种基于自注意力网络的人脸图像增强方法，其特征在于，所述将所述第三人脸图像输入到所述第二生成对抗模型，得到增强后的第四人脸图像这一步骤，其具体包括：

将所述第三人脸图像输入到所述第二生成对抗模型的生成器；

通过所述多层感知机对所述第三人脸图像进行感知生成自注意力token；

通过所述自注意力网络对所述自注意力token进行编码后通过上采样层进行上采样，得到第一增强数据；

通过所述第一线性压平层对所述第三人脸图像和所述第一增强数据进行融合，得到增强后的第四人脸图像。

8.一种基于自注意力网络的人脸图像增强系统，其特征在于，包括：

生成对抗模型构建模块，用于基于自注意力网络构建初始生成对抗模型；

第一模型训练模块，用于通过人脸数据库获取第一人脸图像，根据所述第一人脸图像对所述初始生成对抗模型进行训练，得到第一生成对抗模型；

第二模型训练模块，用于获取实际场景的第二人脸图像，根据所述第二人脸图像对所述第一生成对抗模型进行训练，得到第二生成对抗模型；

图像增强模块，用于获取待增强的第三人脸图像，将所述第三人脸图像输入到所述第二生成对抗模型，得到增强后的第四人脸图像。