QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 3585|回复: 0
打印 上一主题 下一主题

[其他资源] 用 于图像生成的机器学 习 算法 在人像合成中 的研究与应用

[复制链接]
字体大小: 正常 放大
杨利霞        

5273

主题

82

听众

17万

积分

  • 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

    跳转到指定楼层
    1#
    发表于 2020-11-13 16:28 |只看该作者 |倒序浏览
    |招呼Ta 关注Ta
    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
    8 t; V% ?  n0 C+ g! m* N% [$ K2 Z4 i) M5 \; g5 W4 Z! c: s! n
    随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展 : v0 K- X& w" [0 F, x" l# Y

    " p; }7 R& @$ Q  l4 P尤 其是 基 于通用 图
    : P$ O4 _: ?+ W" v) O& c. D0 D& v: g4 g$ ^6 @
    处理器 的并行计算技 术的快速发展 " k0 ^5 K+ r- t7 S' a
    3 K( n) t% c. }$ l$ ]
    机器学习 领域获得 了 快速的进 步
    : `) T1 A, L" Q" g( m  x5 O$ t! C3 x: X6 I+ C" I
    随着 基于 8 H- \2 x& Z& [" E
    卷 积神 经网 络的深度 学 习 方法的 出 现- H' s% a- k- J' g' X) ]
    5 a2 ?" U# R1 u% R
    , `6 _# U( T& i- [
    传 统 的基于 数学 模型 的机器学 习 算 法在   }! v: O5 {4 ?9 n* r7 L2 P! E
    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
    / A& c9 _& h. v3 v$ T
    / b5 }$ b, C4 Q/ Q) p/ P- O尤 其是 2 0 1 6   ?1 x. F0 G5 L. g
    年 以来 ' Y( `% W' t2 ^' P- U- S+ F# J

    ( \; _) D  T2 Q( C基于 生成对 抗网 络的 图像处理方法
    & \; S+ i4 U- Q$ k4 L( ]8 {  b0 A
    在传 统 的 图像识别   k% J3 F8 e4 W+ W; T$ N

    9 z: D6 a- d; [7 U# Y, i图像增强 和 图像分 割等   ]! F0 N1 K* ^2 H
    领域之外 $ p  {( h3 _  A2 U/ |# n9 U
      P0 }4 r. i2 X- H% R
    还实现了 基于 先验知识 的 图 像合成6 k# s: E* \! p, L. l% k! L
    " I3 i8 m3 c$ ^. O2 S: o$ p
    但 图像合成过程中 仍存在算法
    ! U/ A  ~% I6 }4 P' T
    1 l- J. U) Q8 K% R果不 容 易 收 敛5 x0 y7 B% w& i8 X) H; T0 p
    * C6 U4 `6 C" R+ P9 U( E# [2 h
    计算量大 / J+ _( I' s" [* M$ I
    3 \4 W" J+ W* w# s$ T) [$ K& M2 O
    优化速度慢
      [0 k3 A8 T! k/ M/ k# F5 C
    $ H0 z+ I& l& w) I# p8 P/ N6 B图 像劣化 等 问 题 : i. B; O  y# W& W' Q
    * Y3 A, c& d( ]: n* R+ {. U* u# C
    针对人脸 合成 图 像
    : |8 z) s7 L/ w# B4 c; [: l1 Q$ M' n# O
    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
    1 c9 h) Z4 c8 m5 ?节还 原度
    5 C/ A3 `5 j9 V3 v% \- G
    ( r. O2 r3 N" h& s2 z( r3 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
    . _, T! O/ v6 y% X$ f0 `0 G: c+ f* a2 w" Y' b# B4 _' Z
    致性等方面 9 m  O/ L2 [* b" ^3 f0 c
    9 i2 |9 B5 p( u9 O$ a5 u
    仍需进5 `% i5 g' E8 M/ v9 M! T4 [4 I

    9 T% W& @9 v6 q% j8 P9 s步 研 究和解决 ! m* [" A1 t. Y, C1 M5 _+ ?
    2 V4 q6 ]2 c) H, y, w+ ]- s
    本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
    , D9 D2 A3 D; Z$ W, c$ O2 m: V$ c
    将合 成过程分
    5 n3 S# u; f5 p# `# _  s
    7 p& O) \5 h3 L6 h- X) y/ q5 U9 S& ~5 f3 w( s" h- h3 |1 V

    5 j: _2 r1 s  H8 N# t个 阶段
    : ~( A9 H; Y+ a/ ?. c1 e( [% c( m9 H7 ~7 S: c
    首先 是 图 像中 目 标主体 的分割
    0 G1 A& ^3 Q5 ?/ k; k( W- i
    ' t8 K( C$ |( M2 p6 Y$ j其次是 人脸图 像的合成
    $ m$ @% y5 a& v6 j4 o! M. D( A7 t2 {; l1 ~$ N
    最后 是 图 & m) r. ^; X$ v
    像的 超分辨和 画质 增强
      z* V2 Z; n% |
    ; i! V% Z: U( c- b# s; R9 M实现 了 人 脸 图像生成算法的 识 别 - f% h2 {" ?5 B! v1 t

    * l: r; _! P* z, p% ]$ ?1 f+ f) Z. p分离
    2 L1 i5 h: A5 Q8 n; `6 Y; v, u; _2 ]2 h  l/ c
    合成和 画 质 改 ! `" E/ H4 ?0 C
    善 的 全过程 1 @+ C0 r) E& t9 z0 m

    $ n) H/ A* W8 H0 K$ U针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
    % {+ u" w) |% [4 p  L( m' D, R5 S, i8 {
    本文 主要解决   F4 f( ]; l: P' {% [& C; H

    ! @# S/ G& G, H. K5 k( I/ b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 ' t1 ~9 U7 s* |% V* a* n) n
    9 \8 p7 |! ]8 M- ^
    主要 1 m0 |- t0 H9 b* v( e* E1 N1 h

    - L* {5 S6 }. N: q/ I( I2 q- K作 内 容和 创新点 包括1 H2 i* q0 @0 i. D4 E
    6 O6 j# K: l4 W- U6 y  f' c8 n4 S
    1 、 / b# t6 e6 p& l' u0 h
    基于颜色统计信 息的 高斯混合模 型分类算法
    , F. z& m$ T7 z; ?0 F
    0 i& Y; c2 j4 v/ J0 k$ l2 `设计 了
    ( k9 a1 D# a$ k5 ]9 m& E2 r" e! h, H% r& {$ F' y( w2 y) F% x
    种快速图 像分割
    " K7 |) b) A: `3 X1 p! F算法 2 j  }# \5 D1 J/ c7 `& ?
    4 J% L& M  J" N5 A: I7 T- k
    该 算 法通过逐层 二分法0 v) y5 f2 g1 X

    ! m: J7 p% n  a& n次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域5 H( t% \( E$ p6 a$ L% Y4 k
    ( `' \+ {% n; {' C+ B
    同 时 由 分割 区 域得 到相 应 的 目 标轮廓 . F7 Q# ]+ [" @; ?

    ( I' d7 u/ t) X3 l该算 法不同 于传统方法的 先 由 轮廓得6 k/ ]; ~' f0 N" ~$ x" h
    ' ], a% q3 S4 u
    连续的 边界 7 ^; |5 s6 }  X9 s7 q

    ( f. R9 l1 I5 ]0 ?再得 到分割 区 域的 做 法
    , ^& [/ ]) L1 M) M+ s2 u) M" D
    ' c- s) b3 K% D' U+ Q: l而 是 直接基于 颜色 统计信 息和像素分 布
    / i, \( z  u5 f% A: a9 g8 A% r6 w
    $ N: i8 z6 l' b# H" U2 h; e形态学特征进行 目 标 区域 的划 分
    $ L# @: p1 `$ ?; `8 f8 K8 S1 L% I+ M, c( e* Q! y- m0 E* X
    减少 了 边缘分 析的计算时 间
    * o1 n$ }0 j/ o# e: T7 ^9 N1 t0 c9 [, o- _7 q
    且对 目 标 区 域6 m, a5 ?5 c; {, u3 h1 i  K

    + d# v& O3 j0 z1 p& o9 f0 V行分 割 的同 时 即 可得到相 应 的 区域边界
    3 y; I, I/ h% p4 K- ]
    " L" ], k8 G8 @( l具备很 好的鲁棒性
    ' P' |* ?+ f- T# }
    * r9 |! y# Z" U  I2 ]: d( I2 、 - Z5 U# }9 z1 |! U7 B: w' `$ J& C! g
    从包含 人脸的 任意 图 像中 截取脸部区 域 / o- f) r; o6 G
    7 L9 [) u. M' G" d' ~
    经过背景 虚化 - `( d* J) ^: [6 R- `

    % ]9 L# E" M% I8 d) g- \缺失部分 补6 P$ _* v# X; \6 ?7 W3 D
    / t6 Z' ?4 h8 X7 h
    等步 骤$ g/ ]- j# L) u  y
    0 G, W2 m) _  d! c) C, p) a- P
    基于 生成对抗网 络进行标准人 像 的合成 0 |; }7 t* r; E2 d8 u+ s$ ~
    ; M" B& E# S5 p: l) r3 Q
    合 成后 的 图像具有 特征点对8 Z. m" g* q  {, ~& D* a

    ) G% F( f) U, h$ V9 g6 f4 u+ z后 的 人脸位置, f8 {. p/ K7 Q- Q4 r' z

    ! r5 J9 ?8 \; M* |且脸部 及肩 部
    1 `, i+ V) M5 A/ ~8 n  w. g9 Z  l" L% ~1 O% s  \
    上半身 等部 分都具有 统; e6 z  ~8 W+ u- t+ e3 _# I5 \( h
      X. z- }* D2 S5 z% ?* z* W
    的 分 割与合成 效果
    7 m, L/ T" x( c, m% h" ^) f
    ! i- W2 S/ j% d" u
    ) e/ \2 I+ V2 Q+ t$ C方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
    4 f! j$ b7 ?. G1 {  O* k8 O  L  V( d; i7 c$ Y. m1 n
    可以 实 现人脸 图 像 的标准 ) `# E# l3 \0 r1 e) g. a; `% M
    2 y5 x% ^+ H$ h8 c) F) u0 K5 x9 v3 `& m$ A

    ; S# l+ e8 n0 D) r6 u4 U. v, I同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
    5 F# H6 S4 C: Z5 z3 n8 m2 u1 `
    9 `+ x! t$ E* Z9 c$ l8 d+ O: N该 算法可以 作为人脸
    4 ^, l& H6 G( u( u  d& {
    9 q. g  k, G0 s: j8 u& c2 r& N别 后 的 处 理步骤
      l9 {2 S9 \- u$ C/ L) u% N
    3 T# B% [! p+ I, j) r# S" J' B处理后 的 人脸图 像 相 比 原 图 像具 有更
    * u. h" x! o, I$ W; t9 r* @$ s- V6 k( F0 @
    致的 图 像模式和对 齐
    3 M3 ^0 R3 n  R5 E& _后 的人脸特征 区 域
    $ l5 E* C- h, [9 t8 {, @) H# J
    6 J/ }) o$ M  ^  ]# O/ v7 T* b! B同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤. c! V* v% u- U8 J+ d( e
    9 z6 w4 _7 I7 `6 A
    有效改 善
    6 G! R1 q0 A  W7 E9 _, e1 d2 X
    % ~2 X8 w  I; A/ u% r有 人脸识 别 与分割 算法的 效 果 . ?( `- {/ X, d2 m
    ! s& m& ]8 P; J) h
    3 、
    4 a% l2 \( q0 K" d. T最 后本 文提 出 了
    5 t' D1 W; d4 N6 R* q8 `
    # {  J, S% u0 A+ u  z" d种 针对人脸 图像进行优化 的 超分辨算 法  B) X+ m$ N) _  o/ e. q5 ~" T

    ' U, T& T1 @! b相 比 于现有 8 q; U$ C, l$ b
    的 图 像超分辨算法 3 [' u, I5 h. F( H1 {; s

    ' o8 y% `. D3 D& ~6 ^该算 法在图 像 的超分辨合成过程中
    5 |; q& L& A% W) r$ ^$ d: u( [' u# G1 j7 Z) y8 x
    在关注合成 图像的 质 量
    9 P4 e' M6 j; b9 hI摘 要 8 z) `# L0 e3 i
    和更加 细致 自 然细 节 的 同 时 4 o  @; O! k7 Z8 }1 H

    $ o& X# B( `$ R更加 关 注得到清 晰 的人脸 图 像 以及 与原 图 3 p  l9 ]8 e, Q% ~; k- B4 s
    6 I: W% N  x! R; ]
    2 ^/ X, S/ P; _# v

    " U( T0 T0 v$ v4 o: z/ M* Z人脸身 份信 息 : W, z1 |! F8 m" M* k( i& T
    ' s: U9 A  G4 o: O
    算法通过引 入 生成对抗 网络和残差 网 络
    # X  d7 ?) C0 C
    ; F; G( ?! H0 m7 L6 {! T实现 了 上 述 目 标) E: |" y$ a& ]
    3 }! [: P* [6 C7 p: [+ w' I8 N2 v
    & }) f6 r9 Q9 ~
    ' [! j/ G5 \8 d; ]- k* E* f; }: E$ X
    实 现图像 的 4 倍甚至 8 ) ~( {% A6 n( Z. w% d4 D9 B5 C
    倍的 放大
    ! C1 z7 x, x* i5 G. o# g7 T1 a0 h0 U/ a, F8 f
    将模糊 的 图 像合成为 具有 较高清 晰 度 和丰 富 , H/ z9 L3 V" Y$ ^
    人脸信 息 的 高分辨率图像
    ; X) ?2 G9 I& M6 r3 M+ f* u! @+ t3 a" b! [% o7 X7 B9 L
    同 时算 法具有很好的适应性 和 鲁棒 性 . O& V  B% K( C3 `
    % H2 o9 F1 T& P  v; t8 T' O
    对于 不 同数 据
    3 k# p6 |+ Q* c- t& A" t& i' c库 中 的 人脸 图 像样 本都具 有 很 好 的合 成效果 / ~3 ?" b1 R; E! T9 b# z
    * K% T* [: Q. Z0 j4 m9 @
    该 算法采用 了 ' W: J% x4 k* R8 C2 n  V
    ) G) G! R" r+ C. c7 B$ e9 B
    种 端 到 端的 灵
    1 v$ w$ C! v! z! V3 b% |; I) ~) G
    的层叠式结构 1 N3 K/ v& P6 Q+ I
    , T0 w7 s" \7 y) D' x- O5 ~8 S
    可 以适应 不 同 的算 法调整 目 标和 图 像 合成要求
    8 @. n: F7 B7 r* r
    ; v4 Z, o% L" g* X9 a4 、 ' y; S) b1 x0 c8 {6 a1 ?+ d- w: F) {
    本 文在人 脸合成 图像的 对 比过程中 % a: S7 D4 u. h  b, M. T
    - x3 A; u8 ~& @' |: j# ]* S8 t" g6 ^" R
    提 出 了 使用 F I' ~4 s" A7 m* O8 ~, s5 t
    D ( Fr6chet I ncepti
    + G" F+ U9 \9 g4 aon
    , R' }" S: ?; N8 S2 a$ E. L0 H1 Y! U
    ) e7 h( {0 q. h; ~i s tance ) $ k' M1 q0 h: ?5 e- [- N
    代替 以往 的 % h, h: H( A/ V5 ~  J" i
    PSNR
    * P1 V* u! |/ p/ f' p9 O4 `- e7 C( Peak
    : t4 L' m( T# d
    ! m" }8 B( G/ P/ F# V, _1 d* h8 q' {- \4 G
    gna5 w, j2 `* X& x+ o5 j) U

    9 J4 M  b7 N2 h9 i2 w' F$ D  z0 B" w
    6 D  q5 r7 \$ x5 A  j1 D& _to' Z) _+ b7 w% T* E, k1 i

    3 J& |. e3 b, S) FNo 0 g- P$ r/ r. {. v/ ~
    i se Rati ! h+ y1 M9 Z, v% j) H

    " V! @/ n4 i' c7 J6 F& `
    * ^7 Z: G% R: p6 \# p5 a
    , X4 C* T2 m" X& D5 n( _S SI 5 f" r' I* X& O

    1 |, c, m5 k3 r  m( structura
    / ~1 e% V: E: Tl si ) Y* D! I3 d7 C
    # Q: L, e( S1 Q; ?. I
    8 Y; U8 h: p# Z9 |
    i l
    + ?0 A. M" N* \: nari ty , S- C7 e  x" p2 ?/ ?/ p! {$ s3 @0 t+ s4 \

    2 a- W! b, W! Cndex ) ( z! @' }$ J! ~; R, P+ b
    参数作 为人脸 图 像合成 以及超分 辨算法的评价依据
    2 u7 D9 k8 O$ t; W  s# @7 F& K) d( e! @- l' d
    因 为 FI - E  [  R$ T" ?' m. a6 r
    D 值能 ! N& s" b, S5 r6 I) z: W
    够更加 准确 的表达 图 像对于 人脸信 息 的保 留 情况 9 W' U9 x& |  u" }4 d
    " W+ I- [# }& V. _: Z3 R% A
    同 时通过全局 特征 信 息 的统
    . H3 `) i3 Z2 u  A计得到 图像整 体的合 成效果 与 原图像的对 比
    7 X& R8 x+ d1 ^% E  Z
    " v0 [* u6 N4 j: QP SNR 和
    # x. l- n7 B1 p' J8 Z) H' I9 uSSI + i9 ~! C. z  w. y+ ]
    M 则作为 图 像局 部细
    $ f( W6 i) c9 D+ n9 i节特征 的评价标准更适用 于评价 图像本身 的清 晰度 ; C* q/ E: c! m5 T
    / b& {! G1 N6 Q, l  B+ @% o, _% p! d
    细节质量等局部信 息 ! ^4 r& L! a& h. L. y. m6 b
    ) W* `( {5 z4 @% w" ~
    $ s3 b# ~) J2 t5 R# e* G

    - m7 P5 Y1 f: p$ a三者 的结合
    ! P! Z- T5 k. {1 R- {  [3 G  w" `/ \) x8 ?
    可 以 更好的评价合成人脸 图像 的 清晰 度 以 及合成 质 量
    0 f/ M% l6 c7 o  U1 ^3 M, K. o9 q, c
    同时 评价
    8 I7 K+ ~) u+ @$ X0 k# Z+ Z& n2 I) |( v8 q# z, |
    成后 的 图像 与 输入 图 像相 比
    $ H0 T, T2 c/ l1 S7 y: y
    4 z$ V& X& Z. e0 V其 中 的人物身 份特征是 否能 够得 到更好 的 保留 0 |7 }! p1 J0 s6 K) L" Z

    6 q. T! g0 X0 H3 q% Y9 v  e7 H) M4 N% M( w4 Z  U; w
    - f3 N7 w% A+ N+ E& H% S) G$ `
    ( Y7 g# x1 T' ~1 I8 I& W. \

    % V. E( b2 Y1 a# d/ h3 j" l4 ^& Z

    用 于图像生成的机器学 习 算法 在人像合成中 的研究与应用.pdf

    21.13 MB, 下载次数: 2, 下载积分: 体力 -2 点

    zan
    转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2026-4-20 22:18 , Processed in 0.374728 second(s), 54 queries .

    回顶部