CN115035007B 基于像素级对齐生成对抗网络的人脸老化系统及建立方法 （上海大学）

GB201818948D0,2019.基于像素级对齐生成对抗网络的人脸老化本发明涉及一种基于像素级对齐生成对抗归的年龄估计方法来保证合成人脸在目标年龄外还加入了像素级损失减少背景噪声带来的误2任务模块：用于人脸图像采集及任务发出，使用相机或者人脸图像预处理模块：用于对输入的人脸图像进行人脸区域的检人脸特征提取模块：对预处理后的人脸图像，利用更深层次的训练后特征提取网络年龄估计模块：对预处理后的人脸图像，采用基于有序回归所述人脸合成模块中人脸合成训练，通过条件生成对抗网络结合年针对身份特征保持，即保证生成的人脸与源人脸被识别为同一个人任务更好的适应于不同的人脸，在ResNet50主干网络后接两层全连接层和一层softmax层针对背景去噪任务，旨在将训练生成器的关注点转移到更细粒度的3同年龄段的人脸；第二种非在线通过设备采集后的人脸图像通过文件上传的形式上传系3.一种基于像素级对齐生成对抗网络的人脸2)人脸图像预处理：利用人脸检测工具对步骤1)通过条件生成对抗网络结合年龄估计、身份特征保持和背景去噪对人脸合成进行训针对身份特征保持，即保证生成的人脸与源人脸被识别为同一个人任务更好的适应于不同的人脸，在ResNet50主干网络后接两层全连接层和一层softmax层针对背景去噪任务，旨在将训练生成器的关注点转移到更细粒度的44.根据权利要求3所述基于像素级对齐生成对抗网络的人脸老化系统建立方法，其特5.根据权利要求3所述基于像素级对齐生成对抗网络的人脸老化系统建立方法，其特6.根据权利要求3所述基于像素级对齐生成对抗网络的人脸老化系统建立方法，其特L=λgLG+λiLidentity+λpLpixel+λαLage其中λgλpα是分别控制每部分损失的超参数，使用超参数权衡人脸精5有的方法不能构建合成高质量的人脸老化图像方法，也不能达到各个应用领域的技术需[0004]针对现有的人脸老化方法所得结果存在生成质量差且人6[0025]针对年龄估计任务，将经过生成器生成的人脸xt作为一个用于年龄估计的CNN网[0029]针对身份特征保持，即保证生成的人脸与源人脸被识别为同一个人，采用7[0038]L=λgLG+λiLideλp建立方法，采用基于有序回归的年龄估计方法来保证合成人脸在目标年龄范围内，采用8[0045]如图1所示基于像素级对齐生成对抗网络的人脸老化系统实施流程图，具体实施[0048]b)人脸图像预处理模块：对输入的人脸图像先进行人脸以框出多个人脸框供后续裁剪，只需要根据MTCNN估计出的位置坐标bbox，采用python中像特征的提取工作就是提取出能够正确表达图像的一些特性用于保证成功完成很多下游9够包含比上一层更多的图像信息。在图2和图3中用到了不同的残差网络层数(ResNet-34、签的损失。采用基于有序回归的年龄估计框架CORAL来保证人脸老化结果分布预期的年龄[0062]假设每个人脸图像存在一个对应的年龄标签，将年龄标签扩展到K维的特征空间络(ConditionalGenerativeAdversarialNetworks，CGAN)来生成输入图像xs的对应的并且采用CORAL框架预测的生成图像和目标年龄标签之[0077]本发明的主要生成结构是通过CGAN来让一个年龄组的图片来生成具有另一个年[0082]