首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于梯度对抗攻击和生成对抗模型的人脸图片年龄转换方法 

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!

申请/专利权人:东南大学

摘要:本发明公开了一种基于梯度对抗攻击和生成对抗模型的人脸图片年龄转换方法,该方法主要内容是:首先对人脸图片进行对齐,将人脸图片的人脸部分截取下来,并通过图片旋转调整角度得到原图,再给定一个期望的目标人脸年龄;初始化一个隐空间向量,将隐空间向量输入到解码器中,得到生成图片;算法使用年龄估计器,判别器,人脸识别器分别得出生成图片的年龄,真实度和与原图人脸身份相似度的损失;以损失减小作为目标,梯度更新初始化的隐空间向量,然后重复前两步直到达到算法约定的步长。使用该方法可以实现人脸图片的自动转换,帮助刑侦和跨年龄人脸识别,也可以用于娱乐影视用途。

主权项:1.一种基于梯度对抗攻击和生成对抗模型的人脸图片年龄转换方法,其特征在于,所述方法包括以下步骤:步骤1:使用人脸对齐方法从在野图片中裁剪出对正的人脸图片;步骤2:选择判别器、解码器、人脸年龄估计模型和人脸身份识别模型;步骤3:使用解码器隐空间的平均向量初始化或使用更新后的隐空间向量,解码得到生成图片后输入到判别器、人脸年龄估计模型、人脸身份识别模型中取得生成图片与目标年龄的差别、生成图片真实度、生成图片的人脸身份保持度;步骤4:以目标年龄差别、生成图片真实度、人脸身份保持度加权得到优化目标,用梯度下降的方式更新隐空间向量;步骤5:重复步骤3和步骤4,直到达到算法的最大迭代数,最后取得的图片为算法的输出;所述步骤1中,人脸对齐方法为:在野人脸图片包括人的全身,包括很多无关背景,首先使用人脸识别算法取得人脸特征点,然后通过一组特征点的连线与水平的角度差来旋转图片,计算其中点作为人脸的中心位置,具体采用SDM算法取得106特征点,用瞳孔连线与水平线的角度差旋转图片,使得瞳孔连线变得水平,使用眉间作为人脸中心,用256×256大小从原图裁剪;所述步骤2中,选用生成对抗模型中的判别器,以图片作为输入,输出一维数值,用于表示图片来自生成数据集或真实数据集的可能性,这一判别器用D表示,主要使用多层卷积神经网络,以及残差连接结构实现,运用其计算的表达式为Dx,若输入图片x接近于虚假的生成图片,那么Dx尽可能接近于0;若输入图片x接近于真实的图片,那么Dx尽可能接近于1,使用带有多层卷积神经网络以及残差连接的模型,输入图片为256×256大小的三通道RGB图片;选用解码器,将隐空间编码作为输入,输出生成的图片,使用Gθ表示解码器,其输入隐空间编码w,得到输出图片的过程表示为:x′=Gθw;输入为512维隐空间向量,生成256×256大小的三通道RGB图片,使用StyleGAN2的生成器的解码器结构,包含有14层卷积神经网络和8层残差卷积模块,选用人脸年龄估计模型Eage,以图片作为输入,输出估计的年龄,使用预训练的人脸年龄估计算法DEX,以224×224大小的三通道彩色图片作为输入,输出101维年龄特征,包括有人脸身份估计模型Eid,使用预训练的人脸识别算法LightCNN,以112×112大小的单色图片作为输入,输出人脸特征向量Eidx;所述步骤3中,使用能够重建原图片的隐空间向量作为初始化隐空间向量,以w0代表初始化得到的隐空间向量,设定更新用的隐空间向量w=w0,之后被更新的隐空间向量也用w表示,符合步骤2描述的解码器表示为Gθ,得到生成图片的过程为:x′=Gθw;所述步骤4中,分别将生成的图片输入到判别器D,人脸年龄估计器Eage,人脸身份估计器Eid中,输出分别为Dx′,Eagex′,Eidx′,其中Dx′为使用判别器D对生成图片x′进行真伪判别的结果,然后将输入的真实图片x也输入到人脸身份估计器Eid,人脸年龄估计其中Eage,得到的输出分别为:Eagex,Eidx,的目标是为了让生成的图片尽可能真实,并且尽可能接近目标年龄特征c,以及在变换的过程中保持人脸身份、表情、姿态、背景不变,计算损失函数,并要求最优的w使损失函数最小化: 其中age和λid代表给年龄目标和年龄无关特征的目标的权重,目标年龄特征c是使用高斯分布生成的,该特征有101维;使用梯度下降法更新隐空间向量w,梯度的数学表达式如下: 式中的||·||2代表二范数,为对后面大括号{}内的标量对向量w求梯度的算子,梯度更新的学习率自行设定,设定学习率为α,更新之后的隐空间向量如下表达式: 其中wt+1和wt分别为t+1次迭代和t次迭代的隐空间向量w;所述步骤5中,重复步骤3和步骤4,即可使得生成图片在保持真实度和原有输入图片的人脸身份、表情、姿态、背景等特征的情况下转换人脸的外观年龄,设定最大迭代数为tmax,每次算法迭代会使得从0开始的迭代数t加一,当迭代数t=tmax时,算法终止,最后一次得到的生成人脸图片将作为算法输出,算法被表示如下:

全文数据:

权利要求:

百度查询: 东南大学 一种基于梯度对抗攻击和生成对抗模型的人脸图片年龄转换方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。