- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 563327 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174221
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
|
用 于图像生成的机器学 习 算[size=22.9204pt]法 2 L* l+ R) C9 @% l% S
在人像合成中 的研究与应用
" s+ [' ~; `# ^7 J1 r1 U+ N- E/ Q7 q2 |4 N
m* ~* o( W5 T- v随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
8 K/ h4 U. r/ z# P& [, % n. R; v1 L5 U5 u9 N. }2 Y
尤 其是 基 于通用 图
! U0 @$ h( F2 z6 [形
' @3 Y: J0 p/ c8 D# }1 X2 n! c处理器 的并行计算技 术的快速发展
/ U5 R9 @9 s" S9 K$ D7 l,
, B0 i' f+ P6 v* P机器学习 领域获得 了 快速的进 步
@7 n" G. N* a/ ^7 f( x。 ( U2 c6 l" G5 o- d3 M5 }+ B; u
随着 基于 * W2 b9 T# F6 q Y% H5 F
卷 积神 经网 络的深度 学 习 方法的 出 现
; K5 \. K: p6 q( U4 e, ) Q F O) W' [+ p
. 2 l0 U, L" \; P3 f% l* f4 r/ \
传 统 的基于 数学 模型 的机器学 习 算 法在 , Q& [9 p8 w6 v. ]
很 多应用 领域都被基于统 计学 模型 的 神 经网 络算法所超越 2 k: t+ q, @ ^: n2 m
,
8 v# e. |8 _6 s3 P尤 其是 2 0 1 6
" d1 [8 \5 K# z# z) H* d# `年 以来
' G( n9 c: l% ^) D4 L, ) T+ S7 O& s- B
基于 生成对 抗网 络的 图像处理方法 % ?, N( [3 G' Y; o
, % B$ u1 A) z, ^
在传 统 的 图像识别 ; K8 w) a3 t% J2 {* f) T% i0 r0 F8 B
, + { W2 n, M! n
图像增强 和 图像分 割等
* i- H8 q! b* G0 w; p" {- x3 J领域之外
' r! v4 ?3 V# L/ u, ^2 u( ^; E4 ~2 a! W, ( K0 r7 ]" Z4 g% L" d
还实现了 基于 先验知识 的 图 像合成
! ]/ C9 J' B; e9 k6 K) Q1 m5 S, / d$ j2 _1 e, _; x9 [
但 图像合成过程中 仍存在算法
`2 y3 b; m1 A$ v) t结 " C; @2 U) f3 X3 |3 T4 f" C
果不 容 易 收 敛9 ^7 Y+ w5 ~5 |9 I
, 2 N0 W0 N- Q" I: \3 z
计算量大
9 F/ N* R1 m4 }0 W' ]; {/ D# B, / n# T- K# o+ v8 b
优化速度慢5 W0 m, X9 p3 H8 @' h9 J
,
5 E9 Y, b- O8 z图 像劣化 等 问 题
1 M2 E' [9 o) M* v! }# B# a。 2 ?- j9 \- I" ?) y6 g' P
针对人脸 合成 图 像
2 o p; A0 C( G. \1 p* o4 C" E, ' B5 P0 Q1 F V, A2 s, F6 |0 b
已有 的 图 像合 成算 法其优化 目 标与 评 价方法更多 的 关注于合成 图 像 的质量与 细
2 u3 n, J! R& ]* j- l9 U) ]; O节还 原度 + p4 g! Z8 A/ t) E
,
" A4 m! Y" P' V+ Z9 Z& v* f而对于 人 像本 身 的 身 份信 息 保持与 目 标图 像 与源 图像 的 身份特征
& _) l, z! r5 o一 Y5 f4 F" l2 }9 a
致性等方面
& L9 Q0 V6 O( m7 p" i# h2 r; m% L, $ N" Z" ?/ c" c# |2 N
仍需进' x, a; E; ]; t% ^2 x, B
一- Z' \9 a" L; x/ F G
步 研 究和解决 4 N; A+ a# u* p1 E* A2 E Z0 E
。 " [3 s+ E, Z8 h2 j/ m" e/ Q# P
本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
9 \+ ~, v1 h( a3 \( [4 j5 e, U9 d, 0 H6 |- C2 { l A) k7 M. ~4 H
将合 成过程分 + E1 c( i( g% O
成
( W4 k! h- b o. _# q+ @4 t6 g: M了 2 }* E x& u P
3 2 L" ^5 [6 R. Z# L
个 阶段
3 T, v& M5 K0 V- Z,
, e# x# v. _. i( j+ t首先 是 图 像中 目 标主体 的分割
8 o6 h& N, \& k8 }' p3 x,
% M h. ?( e# n' ^& o) u6 W; O: a其次是 人脸图 像的合成
. l' a7 S5 h" I* @! O% K# _,
( I9 o$ _( K( e( D+ s" }最后 是 图
; `: |. h% `2 Z. Q8 {* [像的 超分辨和 画质 增强
0 @. S, b& B/ A, 1 {! q6 |! W0 o' f4 O A' t
实现 了 人 脸 图像生成算法的 识 别 , }' _ @ A7 x
,
. {/ p! m0 {# t( C/ G. n分离
@( F' ?) p0 S, ! I8 D! j5 ]9 l* I0 t
合成和 画 质 改
) E# H b0 f+ q7 X( k4 I' e善 的 全过程 7 }+ g; r3 \9 X% W6 \4 S6 d
。
, {2 d% v' P |2 q( z针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
9 R, O) i' T9 b* K- G5 t, A$ b/ m. Y7 m: k0 U& U
本文 主要解决 7 A% G4 T9 Q; F3 d) R b
了
5 u, a" }* \3 Y. m* y* [! D. v$ W人 脸 图 像 的 主体 分 割及 合成高 质量 的 保留 身 份特征 信 息 的 图 像的 问 题 2 k2 F4 C7 W, c8 n+ ~% [8 }6 K4 t' h
, 7 ]8 N$ G" p* m1 p' S8 t# c5 l& I
主要 + C! K( V6 F9 u. h
工 1 X. D0 w2 I& e. ?. I
作 内 容和 创新点 包括' L/ x: B' l; w' l( E# c1 Y/ g
:
# d& n. @6 p w- Q: Y% F1 、
* v2 E/ S' }, @6 s9 B基于颜色统计信 息的 高斯混合模 型分类算法 * G3 R2 B! z# M
,
+ z- F) F) t1 K6 }设计 了
) P, P3 _) u" X+ S一 9 Y) ^0 S- r7 b% i9 @; ^% A( O2 A
种快速图 像分割 . V2 f+ R$ C0 n8 o! p! g8 L3 f6 w0 _
算法 ! A* Q4 a' E1 i
, 0 u3 Z1 @- U# M t
该 算 法通过逐层 二分法) J* }! E' A$ G0 C' n7 {2 q
一
6 u7 j; X" X* d, K* `8 q# V次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
/ m4 C7 O% X* w. G6 W6 S2 a& m,
) c1 n1 C7 d0 D& s" }+ s同 时 由 分割 区 域得 到相 应 的 目 标轮廓
/ K" k9 \2 ]; f9 f。
- B2 A: ^& U; ?% m( n# k4 J& |/ R该算 法不同 于传统方法的 先 由 轮廓得" o1 R. P! ]" P' I5 l
到 # n9 @4 R2 q2 z. y2 w7 T
连续的 边界
! z* @9 ^0 c( i& a,
+ a: S6 E' ]. O再得 到分割 区 域的 做 法 7 Z4 v$ ^ J! @# n; I+ v
,
# b! r. r# S5 c$ f5 i而 是 直接基于 颜色 统计信 息和像素分 布 * \( a2 o; _) F9 u1 g1 W
的 $ V- E/ L3 b- M) |: q
形态学特征进行 目 标 区域 的划 分2 Z1 q3 y6 c6 |0 b$ p% Q* J1 |( q
,
" F5 Y$ ?* N2 _+ Q5 X4 s减少 了 边缘分 析的计算时 间
. L0 ?! D5 Z8 |' `, ; S+ l% @6 _) W! ~- Y) P0 ?+ v
且对 目 标 区 域9 ^+ C5 K$ W* |, y& e% z
进 * s/ W1 Q2 X0 J
行分 割 的同 时 即 可得到相 应 的 区域边界
; Z/ y$ J+ b3 V7 I, 4 x' Y3 p3 P V
具备很 好的鲁棒性
( O5 u& m9 d$ u* h。 . g+ z6 e& x) F: V$ h: H
2 、
1 g. X+ Y) q/ a% u从包含 人脸的 任意 图 像中 截取脸部区 域 # Y) }, i& A' N9 o5 k9 o
,
" _8 n3 ?- z- X% ~7 u经过背景 虚化
( z* o) Z; x$ D6 o、
5 s; N( n- V! ?2 ~0 i5 `缺失部分 补! U! B* p, p7 |9 v$ O( A7 c, e( ^
全
& d% s3 F3 C4 ]" E$ |等步 骤( A- c# z, C# h* i
,
: U" A* t) k8 s" B l' A. x基于 生成对抗网 络进行标准人 像 的合成 / O4 e/ A$ X$ @! m8 C4 x
,
+ c5 b% {/ L. N, ]合 成后 的 图像具有 特征点对0 A: A }: Y$ F# g7 A
齐
7 ^; z2 E% ?4 y, Q. J' m: V1 n' W后 的 人脸位置
/ R% K9 n& k+ k- i; z: U$ ^,
* x* ?7 r4 k- h. S* `且脸部 及肩 部
. F3 |: b2 G( F* F f! c" T$ t; d、 ; w$ Q$ [) [) O( c7 H* V
上半身 等部 分都具有 统% H# d# C6 P" M
一
d' ~( y, \3 X% U r7 j* x的 分 割与合成 效果
! `8 a3 {" W6 b/ s1 Q! G8 j。
+ k3 Y2 `8 f# f该 0 Z% Q& g% r3 g( x3 X6 M, T" Q* `
方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
1 X6 A- p5 D0 _+ c1 h$ }( v,
7 z/ y& L2 ]) U& N9 }可以 实 现人脸 图 像 的标准 8 g4 b6 z( B) R$ x! K2 }) L
化 7 J$ M" U% {% o
, ) ^3 ` M1 m' a$ n( B# X1 C
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
% N3 X; A1 f8 P8 D) G/ v。
. C: ?) w( t* I, Q( U' ]该 算法可以 作为人脸8 I5 r; D' f+ B* L- c$ r
识 . n7 z- C& c. Q* F0 k
别 后 的 处 理步骤" ^' w+ }. D B9 V$ S4 i
, # t+ ~4 s/ y& q3 Z
处理后 的 人脸图 像 相 比 原 图 像具 有更
8 R1 P9 l; O4 ?; B# Q' B一
6 v# J' ^7 I. d( C, |致的 图 像模式和对 齐 9 H# C% m3 T; p
后 的人脸特征 区 域
+ B1 \# g! B4 I7 S& {- w5 L/ v \/ f,
1 G9 k: Y2 K/ Y同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤# P, [3 T& C' J6 q- ^
, 3 e5 Y2 g7 o8 v z9 i
有效改 善6 C; [+ W# d& z5 Z
现 : O0 _5 V8 ]" d8 B, U6 F" ?
有 人脸识 别 与分割 算法的 效 果 3 N1 k: f# N+ g
。 3 C/ b( X; u: |. i7 Q
" |; r0 n' ?2 l8 c$ u. Y
, G+ B! F1 P2 I# \( [4 v/ D/ p. ~ |
zan
|