CN115223012B 一种去遮罩人脸恢复的方法、装置、计算机设备和介质 （湖南中科助英智能科技研究院有限公司）

.2024,I138-623.在去遮罩人脸恢复模型中设计空洞插值卷积模权重特征信息，促进卷积块有效地学习图像特可以有效地从遥远的空间位置借用信息来重建2获取人脸图像的训练集数据，对所述训练集数据进行预处理，得到将所述训练集数据和所述人脸遮罩集数据输入去遮罩人脸恢复模型择卷积模块用于通过softmax函数提取高权重特征；所述空洞卷积模块用于进行扩大感受根据所述特征融合模块的输出激活得到人脸根据所述训练集数据中的真实图像和对应的生成图像，通过预先设获取待处理的人脸遮罩图像，将所述人脸遮罩图像输入所述对所述训练集数据中的每张人脸图像，通过训练完成的dlib网络获取人脸68个特征3.根据权利要求2所述的方法，其特征在于，所述动态选择卷积模块对应的数学表示output=p(feature)*o(p(feature))所述空洞插值卷积模块用于在变形卷积模块的基础上增加噪声填入模块对所述人脸遮罩集数据中的人脸遮罩图像按通道3通过预先设置的损失函数对所述去遮罩人脸恢复模型进行训练；所模型中生成器的损失函数包括L1损失函数、7.根据权利要求1至6任意一项所述的方法，训练数据输入模块，用于将所述训练集数据和所述述第二通路中的动态选择卷积模块用于通过softmax函数获取高权重特征；所述空洞卷积孔洞填补；所述特征融合模块用于对所述第一通路和所述第二通路的输出进行特征融合；所述图像输出模块用于根据所述特征融合模块的输出激活得到人模型训练模块，用于根据所述训练集数据中的真实图像和对应的生设置的损失函数对所述去遮罩人脸恢复模型进行训练，得到训练好的去遮罩人脸恢复模模型应用模块，用于获取待处理的人脸遮罩图像，将所述人9.一种计算机设备，包括存储器和处理器，所述存储器存被处理器执行时实现权利要求1至7中任一项所述的4态选择卷积模块用于通过softmax函数获取高权重特征；所述空洞卷积模块用于进行扩大用于根据所述特征融合模块的输出激活得到人5[0014]output=p(feature)*o(p(feature))[0015]其中，Output为动态选择卷积模块的输出，(feature)表示卷积后的特征，σ和所述第二通路中的动态选择卷积模块用于通过softmax函数获取高权重特征；所述空洞6态选择卷积模块用于通过softmax函数获取高权重特征；所述空洞卷积模块用于进行扩大用于根据所述特征融合模块的输出激活得到人态选择卷积模块用于通过softmax函数获取高权重特征；所述空洞卷积模块用于进行扩大用于根据所述特征融合模块的输出激活得到人7[0052]图像预处理阶段，首先使用训练完成的网络模型dlib网络8[0059]本发明提出的第一通路中的空洞插值卷积模块的作用是填补人脸遮罩模块像传统卷积对具有遮罩的人脸网络学习效率慢，本发明通过在模型中添加空洞插值卷积模[0060]本发明提出空洞插值卷积模块中使用变形卷积模块以及在变形卷积模块基础上[0061]本发明还提出使用动态选择卷积模块学习特征，动态选择卷积模块贯穿整个网[0062]output=p(feature)*o(p(feature))[0063]其中，Output为动态选择卷积模块的输出，(feature)表示卷积后的特征，σ[0065]整个网络所要优化的目标函数为WGAN损失，WGAN采用了Earth_Mover距离(EM距9[0069]去遮罩人脸恢复模型中生成器的损失函数包括L1损失函数、Ltv损失函数和而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或[0092]训练数据输入模块804，用于将训练集数据和人脸遮罩集数据输入去遮罩人脸恢[0095]预处理模块802还用于获取人脸图像的训练集数据；训练集数据从公开数据集[0096]模型训练模块806还用于通过预先设置的损失函数对去遮罩人脸恢复模型进行训[0097]关于去遮罩人脸恢复的装置的具体限定可以参见上文中对于去遮罩人脸恢复的机程序被处理器执行时实现上述方法实施例中包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM