- 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
- 563412 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174246
- 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
; l4 [ n5 M! R: O) @& o. X- _- x! w3 G( e; q- [& w* D: U9 T
随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展 5 ^, Q3 R. I" ^) t: S4 @' |4 o
, + z( ]0 W8 X) C1 E
尤 其是 基 于通用 图
! J. ^6 c; h1 i, o8 W( R' { d形
/ N4 C$ t/ o/ h0 @处理器 的并行计算技 术的快速发展 & r; _$ P, E/ D1 q$ u
, * D, k/ q0 {' q3 l, y U
机器学习 领域获得 了 快速的进 步 2 `' ~/ ]6 l% k1 S# ]
。
2 \2 Z1 V5 a+ T x% ~/ D* i随着 基于 ' n" k3 y# V8 q, m. L3 a" m
卷 积神 经网 络的深度 学 习 方法的 出 现/ W& ^5 n% K6 i% d7 l
,
! f$ o) s* c9 M+ p2 I- G+ c.
$ C$ ? d8 ?, @0 c传 统 的基于 数学 模型 的机器学 习 算 法在 # x9 o) {& Y3 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
7 ]1 W2 {; P& Y s* @+ Z, 8 M# a0 t* K" [
尤 其是 2 0 1 6
( ?1 ^6 ^: @+ a3 c& F+ g年 以来 0 D" \; p$ E+ f
,
) o6 v5 q5 k3 R3 K, B' v' K8 @基于 生成对 抗网 络的 图像处理方法 + ~$ ^5 ~, n2 m' i, w
, $ `% U' g5 N+ q; I6 ~ c" n- e5 o5 v
在传 统 的 图像识别
9 T- i2 c+ i/ O& H1 l, $ G6 K0 r$ ~9 s4 B: f
图像增强 和 图像分 割等 ! E8 n* J+ i1 T: F: l6 c- p
领域之外
) l/ @% r; E! B1 K! ?, ) ?8 J8 t7 J2 M) I( y8 F- Z' N
还实现了 基于 先验知识 的 图 像合成
; L9 M1 F- p8 @% g, ) o- _) U' ^- |/ c
但 图像合成过程中 仍存在算法
5 l. |# a& |2 e$ W* t结 5 ~6 e( d! h+ v1 W
果不 容 易 收 敛7 |* w! H9 y" Q/ e
,
: b5 [4 t1 i: S9 c2 C( o计算量大 / E& t) D3 {) D+ x* G+ ?' b
,
( R+ K' J6 R# z4 w( M' }优化速度慢9 C3 k( _! N& G8 g, g W
, 3 Z; {9 U5 A: l, s* N) v+ w3 r
图 像劣化 等 问 题
- @2 y# a j$ c+ H9 |1 H) D& L。
& D+ Y" X3 E) w9 I( I针对人脸 合成 图 像
: M; R% Q7 f% y. z6 p, % Q6 _1 c5 F1 y9 U* @
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 7 _6 G& v7 r3 W
节还 原度
- B9 T9 T9 ]- G: _+ {7 N5 a,
: @' @0 C+ L9 X% Z6 q" G+ w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0 N- t8 C: J/ A0 v+ _- V
一 9 p1 Z4 d8 r1 F
致性等方面
* L- U; Y) G4 }, / v# l$ a, A- X) u
仍需进
1 `. _" N4 M4 J# t$ l; o$ W一
7 v, k3 r0 T1 K' S6 w/ C步 研 究和解决 3 {4 H' S5 M6 a1 G$ r
。 5 @5 h8 W# F( Y* p1 j! E
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 S! V* h0 G% w/ `- @# C
,
2 @" u! Z/ Y, m5 D4 M将合 成过程分 8 g& e- F2 I- K
成
# U, H& u" J" x. Q- d( ^( F( s了
; D( j& A; I- J; f3
8 q. c. s# E. @& h0 q) `4 ?! F个 阶段 6 D7 s$ W; d" l7 ?% `
,
: V( L; T) Z/ V3 f1 t2 I2 w首先 是 图 像中 目 标主体 的分割 , ]; d1 i" L0 w: Y1 n
,
8 J' Q/ y9 E$ V$ I! W# u其次是 人脸图 像的合成
. q: ~& e8 K: _7 [0 o0 P5 {* Q, % @6 k9 D9 G. d \9 @$ `
最后 是 图
6 r; s# R- X: o像的 超分辨和 画质 增强- J! E* @, v3 D( q
, % t/ @; I$ w. U/ Q
实现 了 人 脸 图像生成算法的 识 别
$ t# m3 N5 N! b& d- B,
. `: e7 Z, e/ B, x1 t/ R9 Z分离
) G# v5 }: O; }2 V- \) O,
8 ^, F* L) n! m$ _合成和 画 质 改 / X2 c" Z0 O' j. x
善 的 全过程 " ^$ e' B/ f- O: T* {' Z: S
。
/ y, ^4 F k! w# N- Y针对 目 前 图像合成及人脸合成研究中 存在 的 问 题 7 J2 X* b' g8 Z5 T$ a8 A
, . G2 p+ i3 ~8 E
本文 主要解决
- n) T# e0 Y: s7 M: o" G+ U* d了 . n! i4 J# I; Z5 w6 i# q
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 + q! T r0 T8 D! j* K1 Z6 @% [
,
a1 b) y' Y+ e/ E# \7 B- x) Q7 N主要
, v5 ^# E( m- J5 X- O5 Z( W工 % B6 G" a6 i2 O: e5 a# a
作 内 容和 创新点 包括
8 l( S. a% p% K! N) g8 {8 S" g! {:
2 K6 j9 e/ U l1 、 6 {/ k" t% {" C
基于颜色统计信 息的 高斯混合模 型分类算法 4 V3 V2 ?% j7 n. p, X
, & o) _7 x# k" L
设计 了 5 ]5 ^4 J, Z) z9 I2 l8 u
一 ' k8 F' p# [4 k4 A# o
种快速图 像分割
6 c6 d3 T( r# i' p: O算法
, q! `' |1 y; Z, [; d- f, ; x: V, S6 G% H
该 算 法通过逐层 二分法
( ] C( h/ s ~+ a- j W, ]一
0 _ y" ]1 o' v7 z/ B次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
8 V& [1 W' r4 O,
) z( e0 j f( m2 r7 ?3 Y同 时 由 分割 区 域得 到相 应 的 目 标轮廓 ' p4 I0 S5 I; B7 G" {
。
% M2 l' p+ o# p u W5 r该算 法不同 于传统方法的 先 由 轮廓得% x' k4 e8 b" G/ M
到
; @6 N( F6 f( b/ @连续的 边界 # {9 X' M" K3 V& T. K. {
,
+ Q3 }1 C2 L: V再得 到分割 区 域的 做 法
3 P$ s8 t$ D7 z. S4 a: A8 S/ e0 v,
3 J/ ]8 m s( H2 L6 g6 B而 是 直接基于 颜色 统计信 息和像素分 布 + q% o$ t* c; a, K. r
的 1 U0 A% y i$ E o6 J4 E. l$ l, h
形态学特征进行 目 标 区域 的划 分' O# H$ D0 g' s, V
, : z2 N) q1 r R0 w0 N* p0 H
减少 了 边缘分 析的计算时 间 8 H4 Q4 |4 R& K
,
( a) j) {. b% j且对 目 标 区 域% H4 S* n, m- _6 f( z. A9 P
进 8 L, e! ^+ ~0 J; S, Y `
行分 割 的同 时 即 可得到相 应 的 区域边界 {) r+ q, |/ Z9 F6 V& m- ]5 `" G
, % O/ V) C+ i1 y
具备很 好的鲁棒性% U* p, A9 D$ e0 Z! n9 _) Z# q) C
。 ! m! y/ L! o$ s$ @& P$ C) v; o
2 、 $ d+ A- v3 ^+ f
从包含 人脸的 任意 图 像中 截取脸部区 域
2 B; n( u6 V; S$ w8 M3 j" o( G,
: K. r: F5 Z, u9 {4 Z经过背景 虚化 # I; L( D7 j; V2 N# _
、
$ d5 N9 N0 P: L7 `7 u+ D缺失部分 补
% e2 }* |# I+ ?9 r% \9 t& h2 {全
9 L& S! H! a) `9 k. V等步 骤& M' {6 E3 t( g" n
,
, K% A: |# g% f' V0 L基于 生成对抗网 络进行标准人 像 的合成 8 I/ q2 J1 i4 V6 l+ ]$ y
, 4 B+ ^0 Y6 @! s' J( c
合 成后 的 图像具有 特征点对
& }# A) ?. L$ |3 O: G( D0 J齐
8 x3 Y* q9 G% B- C后 的 人脸位置
" m; Y2 u/ ~. L,
' r- x% N2 J; x; F且脸部 及肩 部
& u% ]2 l: i- W、
; P/ g& X0 S5 W g+ _( W+ m上半身 等部 分都具有 统
3 Z& d9 ^% K) ]; H# n0 Y一
. `+ b' q! o) \3 X" r9 z的 分 割与合成 效果 - A& ?- i; O4 B" Z
。
1 d' ]6 C, z5 g& P2 Q! x* e该 + B: v* {4 L+ m; f
方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
) P( w2 Z2 c' J; a9 B6 o, 5 L4 p e8 {4 D0 P0 e) |% h
可以 实 现人脸 图 像 的标准
, _" X# N; C B4 Z4 J化
8 n/ G, L6 U* r+ I* k1 t4 t, ! {$ s2 `1 j& M! g) a" r6 I6 h
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
& ~; S F1 p e& F7 v。
% E8 e+ s/ g# h1 u+ y/ X该 算法可以 作为人脸6 x& u, c0 j/ c: h, r
识 - X5 S& P& \8 m# G
别 后 的 处 理步骤
- A7 e% M+ V$ b. D5 \( v,
) v1 L+ E$ P+ e% ?! y1 T9 F处理后 的 人脸图 像 相 比 原 图 像具 有更
7 W) h; ]3 B2 }( i1 K一
; }" P6 o. I& o$ t4 W: z5 y% X' U致的 图 像模式和对 齐 3 K2 P0 U) J4 h$ U; I
后 的人脸特征 区 域
! }# z; D U! k3 W$ M0 p U, 1 M" g; T4 \2 ]/ B0 q k
同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
/ h, H2 y+ S: f, m7 j1 r1 U, 5 k5 G+ N0 Q% }
有效改 善
3 O' B3 j8 }4 O9 Z1 M$ ~* v现 / q/ u4 }. U# A0 ?- Q1 ^% M
有 人脸识 别 与分割 算法的 效 果
2 V4 a& h& O, \% g0 w。 ! o' T6 @* r+ ^- E: b4 s
3 、 4 S5 J& M3 i4 ]9 P! u
最 后本 文提 出 了
" T( l6 A% c( M8 ~" _一
3 E6 R ?' [$ o& x7 }种 针对人脸 图像进行优化 的 超分辨算 法
) Q. h/ v8 u) R: k% L% N" W+ |, , K6 {% ^1 s7 k6 v
相 比 于现有
' r1 `' e7 N, F( {. v的 图 像超分辨算法
. L+ e; a' `- l( W/ i3 A, ' h% {5 M! T+ _, d
该算 法在图 像 的超分辨合成过程中 0 w5 V$ v C$ ]( v- X$ ^
,
" G. d4 R" p* r- G在关注合成 图像的 质 量 . ~' j% b' Y' M1 U( b* \$ U
I摘 要 ( W' U+ @+ {, S+ k
和更加 细致 自 然细 节 的 同 时
6 P- m2 \9 d2 A8 ^, , H6 Q: [( n0 @/ _9 E3 v6 R
更加 关 注得到清 晰 的人脸 图 像 以及 与原 图 5 M. l+ @; f. F
一' r+ W ?6 S: I" H3 t7 w# r; j0 r
致
- G( }* C, C( k: j" R. x: c的 ) `0 c/ X( T I) l$ a
人脸身 份信 息 ' t& P* r3 A1 {4 K
。
% g8 X) D; m2 {" q! Y9 [4 L3 ]算法通过引 入 生成对抗 网络和残差 网 络
, S! k9 R- o" X9 `,
5 z4 }7 @# E7 S. m9 a+ T4 ]: R0 z8 Z实现 了 上 述 目 标3 ^, \3 @/ A2 I* y
,
* z) l7 |7 S0 v3 _( W6 c可 4 T( J/ i9 z3 w
以
4 V9 E4 f5 W: o实 现图像 的 4 倍甚至 8
& I# S; k( Z( f+ H2 x9 k! E9 t倍的 放大 + ^: z8 x1 | V2 |/ Y7 d
,
- L; j! y( ^# I7 H B q4 A8 e将模糊 的 图 像合成为 具有 较高清 晰 度 和丰 富 \" `/ q1 d4 |+ {7 w
人脸信 息 的 高分辨率图像
. _8 z5 u& m. _$ n" N! g, ) Q2 m6 u+ L# ~: @. {/ a: B
同 时算 法具有很好的适应性 和 鲁棒 性 F+ r) @1 F3 q+ {$ r7 O
,
' u _2 L% ^) I3 ~0 y0 y- o9 W对于 不 同数 据 - m% a6 v, j' X, N! N
库 中 的 人脸 图 像样 本都具 有 很 好 的合 成效果 ! X( X3 e+ ^) i+ `# O. S
。 7 L( ^+ J9 ?: v6 }+ P$ _4 G3 w
该 算法采用 了
. e+ q, K% E3 T6 P) X一7 U$ Z( C! r7 _. J9 f; S7 B3 J
种 端 到 端的 灵 & |1 o( l3 R7 i2 f# N; s
活
, c9 L2 I. M' U9 v- q% k6 d4 o的层叠式结构
; {. U2 C c3 S p, ! A/ I; r. r% ]0 i0 b% b; v
可 以适应 不 同 的算 法调整 目 标和 图 像 合成要求 # C% ^9 I! ]- Y$ y. c, [0 p- P! F
。
' g: I+ A J( D7 X, s* [4 、 ; Z! @5 C: P! W7 P% n3 v
本 文在人 脸合成 图像的 对 比过程中
6 b+ P6 p7 u! U2 F7 ^/ n,
4 M, ` d4 `7 x$ z% z. N4 t( X5 ~提 出 了 使用 F I
$ v& H5 E) O& p- [- M; x3 \/ bD ( Fr6chet I ncepti
* h5 X+ R9 v. t, U3 J/ e6 Y$ P- bon ) e( c: R3 P0 W6 f/ b% a
D
# ]6 T5 s, w5 h* A% X8 li s tance )
' @3 j6 p; s' d% J代替 以往 的
' G8 n2 m* M/ A4 l. z0 XPSNR & A7 ^# C0 _1 Q3 Z: X% W
( Peak
A2 W) ~" h2 m$ i' J$ T9 [5 s+ NS; P" V. a9 t) g5 d, E) z! U
i
' n5 W( A& l8 X0 c: D$ ngna
! T0 A# M- P" p% r8 `" }6 ~l ! x" b8 B6 B# ]
-
2 L* j4 K; q) Yto9 t% O0 ~$ ?- S8 ^0 Y3 r8 v
-
5 @: e9 R$ T- }9 z# [5 rNo : j# t5 s& n+ b9 D: B9 @
i se Rati 4 ^3 o+ W/ Q( H. u; I4 H
o
. e; f: j% w T4 [: v# v) 8 v+ s" l! M, @4 c7 n$ F
和 ! Q' h" n3 \ i9 U, X$ R1 e
S SI - b* H: q/ ]# }+ W9 @# j% t
M 0 m+ l1 q% m. h8 x2 L
( structura
3 E- l# O5 a& v& g# Ll si ! H& w$ Y; g( \
m
! i2 F Z7 g: x k2 U-
2 ~% O2 S0 [" g. W7 {4 \i l
, ]7 n C9 I" Z& C/ b4 Z# q3 @% Jari ty ( m9 Z" O6 h! g& l8 w; e" A
i $ y( ]% o* z7 }, h5 b4 v, }; S
ndex ) ) ^+ g( U+ P4 @; ?5 t* G
参数作 为人脸 图 像合成 以及超分 辨算法的评价依据
. W( J$ e- N# d. a9 Q4 M, 5 E- R/ @4 |: q3 \% J1 u
因 为 FI ! V5 @6 A2 O: z; T
D 值能 1 ~* q! t: c9 {2 ]& d) {
够更加 准确 的表达 图 像对于 人脸信 息 的保 留 情况 & o9 ]' m5 o) y
, 5 ]5 H: h* ^. f( Q8 ^, T: M; e
同 时通过全局 特征 信 息 的统 7 j" P+ k3 `% j) J6 D# L0 z
计得到 图像整 体的合 成效果 与 原图像的对 比
3 Y$ ~7 E, d) c% i- |7 I# [。 ; H8 u" A2 S4 R7 W3 X
P SNR 和 ( A t. N, X7 C, z) w# g
SSI + u2 x4 \& f% E4 A
M 则作为 图 像局 部细
' H* b! f, K$ \8 ]4 U4 R节特征 的评价标准更适用 于评价 图像本身 的清 晰度 ! d# O7 v; ~# ?1 a+ b* q
, . N/ m0 o, q# D/ a9 v F4 M# h
细节质量等局部信 息 3 \7 o8 ]- W/ R5 r$ O
。
- x! D$ V! Y4 ]% L0 _7 V通' L; R( K2 P& x; k% ~
过
0 |7 b4 _: e" o% k三者 的结合 * P' I' J, o, w( V7 W
,
( y4 q, y* |8 J& ?( ^$ W5 k& O可 以 更好的评价合成人脸 图像 的 清晰 度 以 及合成 质 量, V. e9 I/ F$ p" T6 U: l& f, ? g
,
( f. @: I0 k( a! K. a同时 评价 ! D4 }+ k7 G2 V
合 : t5 j% R& [8 _0 h
成后 的 图像 与 输入 图 像相 比
( \- |" y b: K% D' ]4 y, $ [* z7 b8 ^& E- D( s
其 中 的人物身 份特征是 否能 够得 到更好 的 保留 4 ^# E$ j0 f7 f/ D7 y. E
9 k+ ]9 k8 d w
9 J0 o# e7 {: \$ G$ W4 U) B$ p! y' i; c
}# P5 ^; c" r+ E
0 o4 R" Y% e) p8 P5 x, _ |
zan
|