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！

龙图腾网获悉华南理工大学申请的专利一种带有参考条件的人脸妆容语义局部判别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：CN117935327B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202311318970.1，技术领域涉及：G06V40/16；该发明授权一种带有参考条件的人脸妆容语义局部判别方法是由李镇平;胡金龙;吴斯;谢林岩设计研发完成，并于2023-10-12向国家知识产权局提交的专利申请。

本一种带有参考条件的人脸妆容语义局部判别方法在说明书摘要公布了：本发明公开了一种带有参考条件的人脸妆容语义局部判别方法，对化妆的参考图像和不化妆的原图像进行区域语义特征提取，为了保证合成图像的精确妆容，本发明方法加入了一个带有参考条件的局部判别器，由于人脸结构和姿态的差异，特征对齐网络将参考图像和原图像的特征映射到对齐的特征空间，并计算特征统计量进行区域妆容判别，以确保精确的妆容迁移。大量的实验证明了本发明方法在多个化妆指标上的有效性和优越的化妆迁移性能，能够实现最先进的化妆迁移能力。

本发明授权一种带有参考条件的人脸妆容语义局部判别方法在权利要求书中公布了：1.一种带有参考条件的人脸妆容语义局部判别方法，其特征在于，包括以下步骤： S1：准备一个人脸图像数据集以及相对应的人脸分割掩码数据集，其中有化有精致妆容的参考图像y和不化妆的原图像x，将原图像x与参考图像y记为x∈X，y∈Y，其中，X为不化妆的原图像数据集，Y为化有精致妆容的参考图像数据集； S2：准备一个由神经网络实现的生成器生成分辨率为h×w的高保真人脸图像其中，h为图像的高，w为图像的宽； S3：对步骤S2中生成的人脸图像与参考图像y一起送进全局判别器Dglobal判别得到相应的真伪判别结果，对步骤S2中生成的人脸图像与参考图像y的人脸分割掩码按区域划分，根据需要选择划分的区域位置及个数； S4：将步骤S2中生成的人脸图像和参考图像y分别与步骤S3划分出来的相应人脸分割掩码做点乘，得到划分出来的各个区域的生成图像局部区域和参考图像局部区域yi，其中i为对应的局部区域标号，将得到的生成图像局部区域与参考图像局部区域yi一起送进局部判别器Dlocal判别得到真伪判别结果；具体操作步骤如下： 送进到局部判别器后，经过一个特征对齐网络进行对齐，损失函数为： 式中，Llayer表示特征对齐网络得到的损失值，代表特征对齐网络Afea第t层卷积层提取出来的特征，代表期望，表示生成图像得到的特征，表示参考图像得到的特征； 将得到的特征与风格编码器Esty对参考图像的局部区域yi提取的风格一起送进特征风格融合模块进行融合，表示为： 式中，Afea代表特征对齐网络，代表生成图像特征与参考图像风格融合后的特征，代表参考图像特征与参考图像风格融合后的特征； 将分别经过各自的卷积层，产生两个分支，其中一个得到相应的特征传递到下一层中作为输入，另一个用来计算相应的静态特征统计量，有平均值、最大值、方差三种，静态特征统计量比较的过程对应的损失函数如下： 式中，Lreg表示静态特征统计量计算得到损失值，代表相应的卷积层，Sk代表相应的计算静态特征统计量的方式，k表示第k个静态特征统计量； 将得到的参考图像特征与生成图像特征展平成向量，输入全连接层进行判别，计算经过全连接层后的损失值Lsta； 得到的向量通过对比学习来拉近真实数据之间的距离，以及拉远真实数据与虚假数据之间的距离，计算对比学习损失值Lsty； S5：通过生成器G、全局判别器Dglobal、局部判别器Dlocal三者之间通过真伪判别结果的对抗来约束神经网络的学习，当三者的对抗学习达到平衡时，生成器便能够生成将参考图像的精致妆容精确地迁移到原图像的人脸中。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。

以上内容由龙图腾AI智能生成。