- 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
- 564700 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174633
- 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[size=23.1695pt]在人[size=23.4187pt]像合[size=23.6678pt]成[size=19.6817pt]中 [size=21.1765pt]的[size=23.4187pt]研究[size=20.9273pt]与[size=22.4221pt]应[size=19.9308pt]用
7 N7 \* @+ q3 \, Z
0 g3 e/ Z# t# o9 G r; c随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展 * E8 a# a" w0 P% k7 u$ ^
, 1 c4 t4 G6 r @2 h# ^! f6 m
尤 其是 基 于通用 图 ) k- n9 {( x3 m% P
形
7 ^! O2 C0 D0 \处理器 的并行计算技 术的快速发展
" `" i8 I% W6 Q0 j+ N,
1 V- D3 Z, f% g2 ~. D' O5 ]机器学习 领域获得 了 快速的进 步 " A5 x% B- p4 t. F
。
/ b! H/ {- i) @/ U; I; R* D随着 基于 ( m8 h$ y1 f0 }" S" x
卷 积神 经网 络的深度 学 习 方法的 出 现
o% N: t1 m0 \0 X9 [- ?# r6 t, 7 A, O( V( N/ q7 `7 ]5 g
. 9 f& X) ~; p: \. a/ {- Y
传 统 的基于 数学 模型 的机器学 习 算 法在
. U/ |1 f6 h: O0 z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 . u! G* K9 ]7 y3 Y/ ]
,
: B5 @( V7 H* C( R. ?0 `+ o& r5 k尤 其是 2 0 1 6
+ c V# [ K' m* K# \0 n, B年 以来 0 r. t, {# k( n+ j& }/ ^
, 0 v, z0 c. h6 [3 ^+ f$ ?* V% |
基于 生成对 抗网 络的 图像处理方法
5 f; v R/ L! S. ]" s1 t,
7 u/ d6 y* o6 y5 z9 k" z9 \在传 统 的 图像识别 ! B" u! S+ s5 U
,
6 f' X) H. o, h) a图像增强 和 图像分 割等
D+ ~0 _3 d; r: }) ~% C领域之外 ; F8 e" e \% C0 c m% c
,
( R0 C2 x, O0 W还实现了 基于 先验知识 的 图 像合成
1 {" i8 F: J P2 x! G, + L! e( z0 i+ U! c5 d( m6 n
但 图像合成过程中 仍存在算法
$ o+ H6 i$ `1 s结 ' C0 b% K. _5 y( j
果不 容 易 收 敛
7 _: |2 S z8 B# Q2 h4 h, % [6 r0 q- b* c6 F3 j) g
计算量大 . g3 s& @" a# _, h* O- H4 Z9 A
, 8 B7 H) W- G3 V5 V9 G7 E
优化速度慢4 a4 _7 x- ?! F) A
,
: b% X- ^3 R4 @3 q( W/ o图 像劣化 等 问 题
) A, U0 d6 f$ T5 ?" ~* W。
- H+ Z; X8 A8 J3 f4 K针对人脸 合成 图 像
5 ?# w9 B2 M N( l) N, c, # o1 T! ?; J. C Q1 w" v2 V
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 ; h3 o" a" O8 x2 f1 w
节还 原度
& ?/ E! M7 j+ E, c,
9 e+ c8 X5 p! `/ a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; g+ d- X% e+ b
一 ( J. ?( V3 ~+ _
致性等方面 ; Y' H0 x& B5 B, \
, + p; m) R0 B# [( ~/ V x
仍需进) S, s4 k c, M/ z0 n; `2 q
一1 ?3 W4 ~4 v" t+ A, y# b- M
步 研 究和解决 * l& K/ F5 M8 m1 Y6 Q
。 / s$ n7 l: J% i+ M6 k! M
本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法( p8 g8 y) W* z& ^2 k& G
,
* U# F. `( i$ [3 ]将合 成过程分 f" Y3 x- J' J$ O; T( l+ w
成
8 n/ x) z7 [7 t了
2 Y) U9 t4 U- ~; J( ]( Q& N- E3 F8 t3 1 p, ~1 W7 R5 A! G+ m, E. {. E
个 阶段 9 r) ~! g. X: _* I& g& j
,
" `2 @1 y! z1 s* n/ n; L1 r首先 是 图 像中 目 标主体 的分割
- |6 h( u9 w/ j,
) V$ d7 `1 e+ N其次是 人脸图 像的合成
, M4 M, y9 c# t, [! e2 x! h,
! X" a# ^: ~0 e! `4 ?% n最后 是 图 " c8 @8 t$ w7 \+ k
像的 超分辨和 画质 增强: |8 e0 {5 ^6 K
, & @8 P1 D' [2 `# r7 ^
实现 了 人 脸 图像生成算法的 识 别 5 S! e4 |+ b" P8 q* x5 w! `! ?% |
, # |9 m. s$ s$ X7 u
分离
- l4 F, w! M) X5 ^8 H,
. C) W9 }3 @4 C& P合成和 画 质 改 : }" n1 O4 _# B
善 的 全过程
$ z( `. A+ ]' X1 t。
" [8 Q4 K0 g1 I针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
2 z/ n2 p$ V/ F9 D2 B, 2 u5 N- z- r( N% x2 a
本文 主要解决
: I" j' Y1 L) ?6 O% Q了 % }; p. X8 U6 i0 N
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 : n* S: R( x; u3 ?& n
, ' \3 j" c7 d( o% s& h+ M
主要 0 j; D% |; I. H2 m% X: N
工 % V! M6 o% Q! h* f& V
作 内 容和 创新点 包括; I5 I/ p$ `; E {& B+ B
: ' m6 H9 d6 z6 k' O' m7 c
1 、 , o6 _( n4 C. d# N
基于颜色统计信 息的 高斯混合模 型分类算法 + }1 [( k/ w7 W! k
, / m* |& N9 d3 W" g* c- `# T
设计 了
3 G( {% O6 _( m: e一
" N$ I" l0 y2 i, k# F" J& v0 ^. M种快速图 像分割 . g$ h) I7 v M* I4 [
算法
1 y7 |1 C; Z8 O7 @' D6 J8 O,
0 J8 u- d# \6 _该 算 法通过逐层 二分法 G. ^9 ]5 k: d# L- T
一
5 v8 x" m g9 u/ m4 G4 `次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域& {% L6 d. }: S: N$ m
, 4 i/ H0 ]7 Z% `' ]. b+ S3 b$ U; F
同 时 由 分割 区 域得 到相 应 的 目 标轮廓
6 `& r* w. O" ]/ c。
5 J" h/ A( q* A6 o; ~该算 法不同 于传统方法的 先 由 轮廓得
2 [5 [: p ^! ~& R1 F' X% A- @到 7 X. f5 W* s8 Y/ b. {' T V
连续的 边界
/ Y& T4 k. b' a3 V7 J, z z. b0 N; u,
2 Y6 B* g7 }3 b再得 到分割 区 域的 做 法
: ?' x! o1 o* r! x) D; Z! ~,
" [ K n# ]) V' y而 是 直接基于 颜色 统计信 息和像素分 布 - M; I0 A0 D6 y% U+ r$ m* V6 D
的 - w9 `& j( r" I6 `* {1 g4 |
形态学特征进行 目 标 区域 的划 分$ R; {$ i' L; z' X
, ! A; \* o3 e# [& i! k* u" Y1 I
减少 了 边缘分 析的计算时 间 7 x n3 u1 B8 r
,
( v4 T/ y" r8 q' v且对 目 标 区 域
; X) q& _" D6 W1 `3 H3 I( {. N进 - {. k$ [8 H) S; E# N+ I
行分 割 的同 时 即 可得到相 应 的 区域边界 - _0 ~1 E2 k% {2 x- n1 V3 W0 L" _) l( W
,
# Z" n+ C+ u( Q: T具备很 好的鲁棒性# V" o: }; I: F! T: r2 T
。
2 h9 p* g7 ]0 K# W! I5 o0 x- Z. r2 、 $ H. e+ P2 M: }5 O: s. F
从包含 人脸的 任意 图 像中 截取脸部区 域 * _4 l; N% D, h) v- `" ~
, & T4 s L4 C7 P
经过背景 虚化
/ B' n6 Q- B% W M' u、
2 u# s9 X! P1 V# ]2 D, e缺失部分 补) v4 u u5 ^7 z! R& u! S# c8 \
全
! I$ q$ W# C [' j等步 骤
% A8 S9 |1 E/ S9 n& ?, 6 l$ ^: c" Q$ A/ }1 j% \& j; U. k
基于 生成对抗网 络进行标准人 像 的合成
. n2 N9 g5 Q x7 f2 C,
, a8 F8 n1 {. K1 r7 I合 成后 的 图像具有 特征点对
& b+ R3 M" l* U0 ^4 c4 ?齐
8 `3 q" y) a/ a后 的 人脸位置" T: k% K0 W! I1 W% m' y z+ Q
, 2 i5 T3 I( i# i# e9 Z7 _9 P
且脸部 及肩 部 ^. G# ]# V; ]/ `7 |, g
、
) c/ H# b; d, z* a4 _; l上半身 等部 分都具有 统
% s& t* X' K- G: S" H% \7 N一
H% z6 B& S( _2 ^4 ]3 J5 ]的 分 割与合成 效果
: f3 | \8 U" h3 I L9 |。 . D% t; M4 Y4 g! o( [7 h
该
6 ]" ^6 l b, |: W1 _1 Z: O9 B方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
6 R# l7 N9 D' R* V2 _& l; p, $ G1 [" z6 ]9 s+ @$ l% C/ b
可以 实 现人脸 图 像 的标准
' L4 a1 F2 e7 o化 % @% k/ _% B; T) \7 \( Y
, " U1 }9 @+ N# ? [6 }- X m( @! N
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息 ' C l- x' r. W) P- l& V1 m
。 2 {9 D/ W8 d, l7 O
该 算法可以 作为人脸/ f- m9 }4 Z' i8 @2 R6 `
识
6 Q: [( K( G, {8 a% U别 后 的 处 理步骤' x( n# |! `% \: g- P8 j2 O) B0 ~# ]
,
1 M6 M1 `! A& n处理后 的 人脸图 像 相 比 原 图 像具 有更
" }7 M5 ?1 N2 G1 ^一 1 `; ~) ~0 G& X1 G7 Y3 M3 h; O6 G
致的 图 像模式和对 齐 3 I- L, Z1 Y, _$ f9 e
后 的人脸特征 区 域8 T' ], r% }. [3 x/ O* n) w
, ' N: l3 x$ N7 y- x2 K
同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤) H6 v& c: G# i5 b) w7 m( B
, 7 q* ^8 H6 E8 _; U D
有效改 善/ K9 o) S: W. c' H! }
现 % ]9 `8 t* H0 ~
有 人脸识 别 与分割 算法的 效 果 0 K4 }7 }4 K# q6 t% E! t2 z
。
3 U0 E2 r/ j8 b3 、 6 d" u7 J/ s- K* |' v0 ]
最 后本 文提 出 了 9 P# O; f: _) J8 n+ M& `4 C
一, d# v6 y$ W: ]6 V8 r& e: y/ D
种 针对人脸 图像进行优化 的 超分辨算 法' R4 x$ Q- {9 K) ?# @' T/ X6 n
, ; }1 i( t, l6 B* a* o) U3 N
相 比 于现有
& Y- Q8 N8 M: J1 T的 图 像超分辨算法
; y9 G8 d0 L5 u' x% M, 7 E! v0 {- e4 s/ l B) J
该算 法在图 像 的超分辨合成过程中 6 B4 ^2 S; {+ j) H* r' J3 K
,
9 H: B% H0 X# T* B2 v在关注合成 图像的 质 量
9 d3 W: d6 _( l4 K7 p" {I摘 要 1 V' d$ y1 N1 e& f/ O
和更加 细致 自 然细 节 的 同 时
" r" u9 x0 V1 h: v ^& |,
; H1 C4 a- W2 M) W; @# a$ x+ i更加 关 注得到清 晰 的人脸 图 像 以及 与原 图 , |' \ h- D& L2 s9 L" I
一1 B$ [* g# o1 I) k( O
致 ( r7 E$ K7 `2 n4 @# u
的 ! K* D8 B9 `/ A W' g
人脸身 份信 息
4 Z4 k+ s' }3 g8 w( K4 P! @ E。 2 E) A* C9 e0 d5 S% [* q
算法通过引 入 生成对抗 网络和残差 网 络
7 w* p9 H$ R4 t+ \& B/ S- X, , P3 |5 E# R% z. m* {; i! r+ e
实现 了 上 述 目 标# b, M$ ]0 L% o. n) x% n2 i8 c
, 9 O2 i: Y' {% D/ N0 q+ u! R7 S3 O
可
Q$ h1 e: z( p& _5 {( }7 D: r以 ) g, E! Z* G. V- \$ `/ L
实 现图像 的 4 倍甚至 8 ' y' h2 f; O3 l! `- Q" M; ^
倍的 放大
2 F6 v4 t q5 c& b1 D' C$ g,
! ?6 {% L7 ^" b( h2 E7 q+ ? F将模糊 的 图 像合成为 具有 较高清 晰 度 和丰 富
d0 s) z* v( T) `+ t* J人脸信 息 的 高分辨率图像 T7 L, e' v+ B9 f. d1 _
, % Q7 L( v, U- b: W
同 时算 法具有很好的适应性 和 鲁棒 性 ! X( A. I4 S% f4 P7 V
, / n3 ~; W1 N4 n
对于 不 同数 据
; b7 t6 Q8 U: |( Q库 中 的 人脸 图 像样 本都具 有 很 好 的合 成效果 ; i6 w6 b/ u; v2 Y
。 & i* H6 w3 g& l! b
该 算法采用 了 8 C: m; A+ x/ C( H
一
" l# n! k! |" c- F& R: D种 端 到 端的 灵
; D) A7 e& q! V5 m" E活
; s9 a# D; i3 Y7 C的层叠式结构
- o3 y' }( g) M) k/ |; R, 4 E) U; Q, {4 e) J/ {' W
可 以适应 不 同 的算 法调整 目 标和 图 像 合成要求 * o1 \7 w) Z: s3 B0 X
。 - c) x0 N3 ~5 e. N, J7 [
4 、 ( x) Q' U$ {! s( w- E
本 文在人 脸合成 图像的 对 比过程中 # \% r6 ]: c* l w* E3 U: O9 t8 ?
, ) _9 q7 }( }" D% Q
提 出 了 使用 F I; R0 n4 Z& ^( ^. q& u4 I
D ( Fr6chet I ncepti & ~( n* W( a' [* s* A7 x
on
4 F! x' }6 T* t! `, QD7 |9 U9 p5 P9 F- u4 N/ J
i s tance ) " Q3 f; e# ]2 k2 T% k- R* `
代替 以往 的 % B- E% p, Z$ u9 Y9 ?3 z
PSNR
- A8 a; ^, U# R' X* A( e; I+ J( Peak
9 c- ~ p1 ~9 @ B! ^3 B: uS. \1 l( S9 T; I7 t# d
i . ]4 o% ^0 }* @. D/ n
gna$ |. y3 M3 z+ H9 r; C% S
l
u f- x1 ]' D0 j-
) ?7 v1 m$ H8 J- Y% K9 w0 Rto
7 W; j1 j/ w. O9 z( X8 ]- 0 {" p t, g4 S6 }" O4 ]1 q: s/ ^
No
* a1 i; Q) `$ Ti se Rati
8 u/ x" _- H I2 y U7 O, Q* q* uo 2 q6 |7 ?* A6 _
) " \* Y% p% F0 Q
和 5 X. J- S; E5 T3 W) y
S SI
" M- X5 U6 f: f; B$ nM
/ l. M6 s% T) ~( structura
' p( L; I- k* t7 M$ S' s5 ml si . b: w" @% y9 O. j% \/ U' w
m ' C2 _* Z3 V9 s
-
) E, p9 o5 f b2 f7 Qi l
) T' N0 Q% G5 T- |ari ty
0 U3 C% N0 \& si - [( e6 W1 N" f
ndex ) : X* _# H$ f- b* K4 u' ?
参数作 为人脸 图 像合成 以及超分 辨算法的评价依据 % w% l7 A+ z- p1 `0 Q9 G+ `2 z: O
, # {7 h3 p& u9 E" y6 R" h
因 为 FI
8 `; o; ^- m5 Q" x/ w6 T$ HD 值能 # x8 `* r. U5 d4 D; m$ o+ L4 R
够更加 准确 的表达 图 像对于 人脸信 息 的保 留 情况 9 i# z8 w6 g7 F2 v) g* p5 J
,
7 S( a- }' |) v0 g* V) D" e同 时通过全局 特征 信 息 的统 + @! X( i0 y! [ H- ]
计得到 图像整 体的合 成效果 与 原图像的对 比
2 E8 c w% e6 m。 " r. H$ T2 _$ z, k
P SNR 和 $ L; }( K- S; p
SSI
; N- s/ s& v& v" l4 V$ B% gM 则作为 图 像局 部细 4 a0 p- I* s+ a$ w1 C" H4 C2 D
节特征 的评价标准更适用 于评价 图像本身 的清 晰度
2 h( k" O& E9 D: c, + I/ S! T- S& w6 p9 d' g/ n
细节质量等局部信 息
* s9 k4 v0 A$ h& N- W# u' p。
$ y! S/ R" g/ K0 o- Q6 M( e通
+ }: U6 z- Y- c2 G2 e2 _, H过 3 a( R1 i* Q: S8 ^9 K+ m
三者 的结合 / m& L# G& E4 [; Z# w
, 9 }2 ?4 K- ^. ^: G
可 以 更好的评价合成人脸 图像 的 清晰 度 以 及合成 质 量
: C: E/ D \& \# J,
& f# a5 q/ O# R8 {+ s! _: w _5 f: Q同时 评价
; P$ G" K* [$ T5 u: |1 w. J合 . O8 r5 I$ Q* ]! p6 K3 v
成后 的 图像 与 输入 图 像相 比 - i) ]% j8 Q5 h3 a) Q1 Z
, ' m2 Z, w- ^) K) d1 N
其 中 的人物身 份特征是 否能 够得 到更好 的 保留 " \: Y8 o6 |; N& x! w5 T5 @6 i
# u2 {8 H. U7 e+ e+ c% @
7 V7 l, g4 f+ E& a5 {1 q: f" ~
9 r7 D! i8 k4 W0 R0 z; t4 F
+ y8 Q4 z) ~, Z' V# H( E3 m6 W7 U3 {( w; N0 ]
|
zan
|