基于三网络对抗学习的素描人脸合成方法

2021-06-28 12:42:12杜康宁李凯旋
计算机工程与设计 2021年6期
关键词:特征提取方法模型

杜康宁,李凯旋,曹 林+

(1.北京信息科技大学 光电测试技术及仪器教育部重点实验室,北京 100101; 2.北京信息科技大学 信息与通信工程学院,北京 100101)

0 引 言

目前的素描人脸合成技术[1-3]主要分为两类:数据驱动方法[4-6]和模型驱动方法[7-11]。数据驱动方法通常由图像分块、最近邻选择、权重计算和图像块拼接4个部分组成,数据驱动方法的主要优点是可以很好地合成面部细节。但是这些方法在相似的图像块搜索中通常很耗时,从而限制了这类方法的适用性。模型驱动方法主要是以离线方式学习面部照片-素描图像间的映射关系,主要优点是测试阶段非常快,但合成结果清晰度较低,缺少一些关键细节特征。

显然,目前大多数素描人脸合成技术都能合成完整且令人印象深刻的结果,但在合成结果中会丢失一些关键信息,导致图像细节缺失或模糊,而且当处理的图像与训练图像相差较大时很难取得良好的效果。本文的目标是合成高质量素描人脸图像,并解决训练数据集不足而导致模型适用性差的问题。

本文提出了一种素描人脸合成方法,该方法是将面部特征提取网络、生成网络及判别网络相结合的三网络对抗学习模型。首先,我们设计了一个通过面部照片来生成素描人脸图像的生成网络;然后,采用对抗学习的策略,设计了一个用于提升生成网络性能的判别网络,并对对抗损失增加控制因子,控制训练过程,保证生成网络与判别网络得到充分训练。……

登录APP查看全文

猜你喜欢
特征提取方法模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
基于Gazebo仿真环境的ORB特征提取与比对的研究
电子制作(2019年15期)2019-08-27 01:12:00
一种基于LBP 特征提取和稀疏表示的肝病识别算法
3D打印中的模型分割与打包
用对方法才能瘦
Coco薇(2016年2期)2016-03-22 02:42:52
四大方法 教你不再“坐以待病”!
Coco薇(2015年1期)2015-08-13 02:47:34
捕鱼
基于MED和循环域解调的多故障特征提取
Walsh变换在滚动轴承早期故障特征提取中的应用
轴承(2010年2期)2010-07-28 02:26:12