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：西南交通大学

摘要：本发明公开了一种基于GANs的人脸图像生成方法，涉及计算机技术领域，其中生成器生成的人脸图像不仅仅能关联于随机向量，还能关联于特征向量，表明生成图像直接受到了训练图像特征的影响，增加了可解释性；能有效避免梯度消失，进行二元对抗训练前有可能进行解码训练，有利于避免优化JS散度导致的梯度消失现象发生，进而提高生成图像的质量；解码器能学习到很好的图像结构特征，从而使得生成器学习到更好的结构特征，继而减少人脸扭曲的图像，同时图像的清晰度能够更合理地被学习；由于进行了特征解码约束，这使得优化目标函数时梯度下降方向也受到了一定约束，能够使得训练过程中使用更少的epoch数。

主权项：1.一种基于GANs的人脸图像生成方法，其特征在于，包括以下步骤：S1、获取训练集X，所述训练集X由若干张人脸图像组成；S2、提取训练集X中所有人脸图像的隐含特征，得到人脸图像隐含特征集C；S3、人脸图像解码训练，具体包括：S31、从训练集X中不重复采样batchsize张人脸图像，并对采样得到的人脸图像进行像素值尺度变换；S32、计算判别函数δ的布尔值 其中，t是当前的迭代epoch数，r是控制调用解码约束的频次，l是控制最后一次解码约束条件，若δ＝1，则继续执行步骤S33，若δ＝0，则将GANs的生成器G作为对抗学习生成器G，并跳转至步骤S4；S33、构造一个与GANs中生成器G具有相同的网络结构且权重共享的解码器Dec，根据式2使用RMSProp优化方法对解码器Dec进行解码训练， 其中，λ是解码损失函数权重系数，xi是步骤S31中第i张经过像素值尺度变换后的人脸图像，ci是xi对应的人脸图像隐含特征集C中的人脸图像隐含特征，Decci表示ci经过解码器Dec解码后的输出图像，k是batchsize值；通过对解码器Dec的训练，以参数共享的方式更新GANs的生成器G，将此次更新后的生成器G作为对抗学习生成器G；S4、人脸图像生成中的对抗学习，具体包括：S41、从训练集X中不重复采样batchsize张人脸图像，并对采样得到的人脸图像进行像素值尺度变换；S42、将步骤S41中经过像素值尺度变换的batchsize张图像作为正样本，采用随机生成法，生成batchsize个随机向量，将其作为输入信息源馈入对抗学习生成器G中，得到batchsize张生成图像作为负样本；S43、将正样本和负样本馈入GANs的判别器D中，使用RMSProp优化方法对判别器D进行权重更新训练，输出得到训练好的判别器D，优化的损失函数为式3， 其中，Dxi是判别器D对第i个正样本xi的判别值，DGzi是判别器D对第i个负样本Gzi的判别值；S44、将步骤S42中获取的batchsize个随机向量馈入对抗学习生成器G，使用RMSProp优化方法对对抗学习生成器G进行权重更新训练，优化的损失函数为式4， 若未完成当前epoch训练或者当前的迭代epoch数未达到最大epoch数，则跳转至步骤S41，若当前epoch训练完成且当前的迭代epoch数达到最大epoch数，则输出得到训练好的生成器G；S45、存储获得由所述训练好的判别器D以及所述训练好的生成器G组成的GANs；S5、采用随机生成法，生成图像随机向量，以图像随机向量作为输入，使用步骤S45中得到的GANs生成人脸图像，对生成的人脸图像进行像素值尺度变换后，完成人脸图像的生成。

全文数据：

权利要求：

百度查询： 西南交通大学 基于GANs的人脸图像生成方法