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！

龙图腾网恭喜长春大学申请的专利基于改进StarGAN和知识蒸馏的轻量级人脸图像生成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：CN119863544B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202510345420.1，技术领域涉及：G06T11/40；该发明授权基于改进StarGAN和知识蒸馏的轻量级人脸图像生成方法是由王绍强;苏宇;康磊;陈龙;戴银飞;王艳柏;刘志远设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本基于改进StarGAN和知识蒸馏的轻量级人脸图像生成方法在说明书摘要公布了：本发明属于图像数据处理或产生领域，涉及基于改进StarGAN和知识蒸馏的轻量级人脸图像生成方法，该方法先构建学生模型和教师模型，教师模型采用StarGANv2模型，对教师模型预训练，之后进行知识蒸馏，知识蒸馏时，设置损失函数，将训练数据输入到教师模型和学生模型中，知识蒸馏过程中，获取生成器在前向传播中各个层的激活值，将预训练教师模型特性产出作为学生模型的软标签，最小化损失函数；所述的损失函数包括像素级MSE损失、感知损失、三元组损失、GKA损失、基于特征的小波损失；通过这种方式，使学生模型在保持较高生成质量的同时，能够减少模型参数量和计算复杂度，从而实现轻量化目标。

本发明授权基于改进StarGAN和知识蒸馏的轻量级人脸图像生成方法在权利要求书中公布了：1.一种基于改进StarGAN和知识蒸馏的轻量级人脸图像生成方法，其特征在于，该方法包括以下步骤：步骤1.对教师模型进行预训练，所述教师模型采用StarGANv2模型；步骤2.构建学生模型，之后进行知识蒸馏；其中，所述学生模型是在教师模型基础上经改进后得到的，学生模型中利用深度可分离卷积代替教师模型中下采样和上采样中的标准卷积操作，使用可移动残差块代替教师模型中下采样和上采样的残差块，且学生模型中下采样和上采样的可移动残差块设置为2个，减少了卷积层的数量和每个层的通道数，学生模型中max_conv_dim为128；此外，学生模型设计时，在映射网络之后增加了一个可移动映射网络，并在两者中间设计了多个全连接层，通过ReLU激活函数增强非线性表示能力，可移动映射网络隐藏层维度max_hid_dim=128，映射网络隐藏层维度max_hid_dim=512；进行知识蒸馏时，先设置损失函数，之后将训练数据输入到教师模型和学生模型中进行知识蒸馏，知识蒸馏过程中，获取生成器在前向传播中各个层的激活值，将预训练教师模型特性产出作为学生模型的软标签，最小化损失函数，使学生模型不仅要学会从输入的图像生成相似的输出图像，还要学习教师模型的各层中间层表示，帮助学生模型在特征空间中更加接近教师模型的特征表示，不断优化提升学生模型的自身性能；其中，所述的损失函数包括像素级MSE损失、感知损失、三元组损失、GKA损失、基于特征的小波损失； ；其中，和分别表示学生和教师生成器的输出图像，P为图像的像素数； ；其中，和分别代表教师模型和学生模型的特征提取网络，N为图像样本的数量，即批次图中图像数量；表示用教师模型的特征提取网络提取中的高级特征，表示用学生模型的特征提取网络提取中的高级特征，代表学生模型生成的图像与教师模型生成图像在学生模型特征提取网络下的特征差异； ；其中，表示特征提取函数，是真实图像，表示三元组损失的边际，在三元组损失的设置中，每个训练样本都由一个三元组构成：（Anchor，Positive，Negative），Anchor为锚点，是输入数据中的一个样本，Positive是与锚点样本属于同一类别或具有相似特征的样本，Negative是与锚点样本属于不同类别或具有不同特征的样本； ；其中，X和Y分别是学生和教师模型在某一层的输出，N是图像样本的数量，T代表转置矩阵； ；其中，代表特征提取函数，分别是教师模型和学生模型生成的第i个图像所提取的特征，其是通过教师模型和学生模型的特征提取网络来计算的；为小波损失，是GKA损失； ；其中，和分别表示教师和学生图像经过小波变化后的第i个高频细节；步骤3.将训练好的学生模型部署到实际应用场景中，进行人脸图像生成。

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长春大学，其通讯地址为：130012 吉林省长春市朝阳区卫星路6543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”。