买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种基于生成对抗网络的人脸口罩编辑方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115439311B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211023935.2，技术领域涉及：G06T3/04；该发明授权一种基于生成对抗网络的人脸口罩编辑方法是由张立言;张心宇设计研发完成，并于2022-08-24向国家知识产权局提交的专利申请。

本一种基于生成对抗网络的人脸口罩编辑方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络的人脸口罩编辑方法，包括如下步骤：随机对人脸数据集中十分之一人脸图像打上口罩，并加上是否戴口罩的标注，得到数据集；搭建一个生成对抗网络模型，其输入为数据集中的人脸图像和对应标注，目标图像为输入的人脸图像戴上口罩或摘取口罩的样子，对所述生成对抗网络模型训练后实现戴上口罩和摘取口罩的功能；训练生成对抗网络模型，共有无翻译路径、自翻译路径、循环翻译路径、三重一致翻译路径四条训练路径，共计算对抗性损失、重建损失、风格损失、三重一致损失四种损失函数，并反向传播更新网络参数，以达到最优的编辑效果。本发明可以将一张图片根据不同的参照图片还原出不同的人脸，拥有较好的编辑效果。

本发明授权一种基于生成对抗网络的人脸口罩编辑方法在权利要求书中公布了：1.一种基于生成对抗网络的人脸口罩编辑方法，其特征在于：包括如下步骤： 步骤1，随机对人脸数据集中十分之一人脸图像打上口罩，并加上是否戴口罩的标注，得到数据集； 步骤2，搭建一个生成对抗网络模型，其输入为步骤1得到的数据集中的人脸图像和对应标注，目标图像为输入的人脸图像戴上口罩或摘取口罩的样子，对所述生成对抗网络模型训练后实现戴上口罩和摘取口罩的功能； 其中，生成对抗网络模型的整体结构如下： 输入→编码器E→编辑器T→生成器G→输出； 其中，输入为需要编辑的图像x，编码器E为输入人脸图像的直接特征进行编码e＝Ex，编辑器T根据样式代码s对编码进行编辑e′＝Te,s，生成器G对编码e'进行解码x′＝Ge'，得到最后的输出图像x'；所有模型参数皆与判别器联合训练得到； 样式代码指的是与编辑后图像样式匹配的代码，由随机噪声通过映射器得到，或者由参考图片经过提取器得到； 映射器模块由一个MLP，即多层感知机组成，输入为随机噪声，标签在第一层前注入，属性在中间层注入进行索引，输出为样式代码； 提取器模块由两个卷积层、五个下采样块、一个池化层组成，其中下采样块继承ResBlock，即预激活剩余单元，输入为参考图像，标签在最后一层之前注入进行索引，输出为样式代码； 编码器模块由一个卷积层、两个下采样块组成，输入为图像，输出为编码； 生成器模块由两个上采样块、一个卷积层组成，输入为编码，输出为图像； 编码器模块和生成器模块中的共享模块使用IN，即实例正则化层； 转换器模块由两个卷积层和八个降低通道维度的自适应实例归一化即时块组成，属性相关的样式代码被注入所有自适应实例归一化层，通过线性层提供缩放和移位向量，标签用于在第一层之前建立索引，输入为编码，输出为根据样式代码修改后的编码； 判别器模块使用与提取器模块相同的架构，但属性第一层之前注入进行索引，在最后一层注入标签无关条件，输入为图像，输出为输入图像的真假； 对于所有剩余单元，使用LReLU函数作为激活函数； 使用平均池化和最近邻上采样对特征地图进行重采样； 步骤3：训练步骤2中搭建的生成对抗网络模型，共有无翻译路径、自翻译路径、循环翻译路径、三重一致翻译路径四条训练路径，共计算对抗性损失、重建损失、风格损失、三重一致损失四种损失函数，并反向传播更新网络参数，以达到最优的编辑效果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。