- 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
- 565615 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174907
- 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
( G3 J/ _8 O! f. j2 d% M' U& ~& H4 [- e% y5 O0 X
随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展 7 c) ~1 ?& `6 s8 t$ f$ }
, ! @3 G7 v" ?" s8 D. E0 k( u( X7 u9 Z
尤 其是 基 于通用 图 - O" F! b" e+ L, P: | J, X) ?
形 0 T0 }4 Q3 L, C( }8 y
处理器 的并行计算技 术的快速发展 9 ~( H2 D9 X% x% m1 g
, 4 S8 x9 k. h1 r; L* H
机器学习 领域获得 了 快速的进 步
+ Y- _1 S, n1 r8 }- ]$ t。 " |2 {; {8 X9 s' Z" Q3 U- H' \
随着 基于 2 ], P- H- F. a4 H$ [
卷 积神 经网 络的深度 学 习 方法的 出 现/ u- |* V6 K( } R% D! y
,
, |# ?9 ~" o& V$ F/ P8 [' E. - ?! H9 A, H" R9 ^3 r" Q7 n
传 统 的基于 数学 模型 的机器学 习 算 法在
5 Q6 Y$ ~& \2 ?+ @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 0 L. f c0 r, L3 Y! J6 x# s
, . |( F% e9 M& q7 j( L' o
尤 其是 2 0 1 6 3 s- r5 m" P' b" s! P. O, s
年 以来 ; @, w! G8 H1 _1 {+ M! q% {
, / ^* A7 `) V- Y0 x) c$ x
基于 生成对 抗网 络的 图像处理方法 ) c: Z8 p' r3 C" y
,
" J+ p5 p# {( @9 J7 t在传 统 的 图像识别 - e7 N+ f& r3 r @
, & }* M# ^2 T3 u5 T+ O# _
图像增强 和 图像分 割等
( r1 R) i6 v5 s/ `* |( b, g8 n领域之外 5 G$ w; o' F5 n5 x- z' T* j. n3 h6 o+ h- o
, . p' A- P+ P% l ?
还实现了 基于 先验知识 的 图 像合成6 z2 R' d3 q( u( g& M5 p+ q6 \
, ) \6 k9 b7 A) o- ?5 K# N) e
但 图像合成过程中 仍存在算法
# o. Q* z4 Y& Z# J. K结
; J2 y4 A9 ^9 U果不 容 易 收 敛* s9 J! q: c" b6 f
,
7 g8 o5 z: v! }7 I2 _, V计算量大 9 O. ^7 C# h3 ?2 f( ~7 e
, ; R5 }2 _" O( t. z: I
优化速度慢
" Y& \# d! e& D6 T, 3 V$ Q* F' q3 o: E% d5 _; j! ~
图 像劣化 等 问 题
6 X6 ?: ~# R1 ?3 J0 S' @1 s。
2 |% o% y( Y0 l; h2 X1 B针对人脸 合成 图 像
# h$ v6 v: s B/ H4 W" w$ K, ; I& E; T& o5 u: H
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
\8 z# J8 p* B# n2 ^" V节还 原度
9 m* R# r# B1 A5 N; s, ! z% i# h- y/ D) B$ ]
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" z0 n4 @- F6 q! o
一 # q$ j5 Z t2 T
致性等方面
- G% r7 P, y4 H! H2 V, 8 h8 w [/ \1 S
仍需进
0 L) K5 B* C& {一+ r2 e* Y; ~* a. E( R/ i' p2 \
步 研 究和解决
4 `- C& ]1 H9 a" H' G。 ( z) [+ M$ z% l) k$ H7 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5 K* |4 @6 Y* b) V K
, & ^3 w3 Y E( V9 l& I7 S$ n
将合 成过程分 0 F# \9 S6 W5 m1 ^, \
成 * X, ~. U2 z( O$ a/ O6 j, [
了 0 B, u9 t8 U! O8 m
3 3 v: l! T7 {; A8 K8 h& W$ e$ \5 k
个 阶段
0 ~# D% W3 ]6 `, Y,
b% |9 ~4 Y) o首先 是 图 像中 目 标主体 的分割 5 r$ ~2 {. ]' ~# e$ u
, 5 J$ U% [/ R7 C$ W) M
其次是 人脸图 像的合成 , q) M! Y$ O( I/ X' P4 Y
, ! V5 L- m! [ R% p# f
最后 是 图 " U% t0 z) {* a, X; E
像的 超分辨和 画质 增强
# S, p' I& B2 ?/ p,
" M5 E$ S2 p: p9 {/ O实现 了 人 脸 图像生成算法的 识 别
1 p# n, `5 _% v2 h+ F# i; O* z,
; F$ C3 D# d# f4 q分离
8 ]5 m& E( F& t,
/ W+ V) L' p- y$ g2 v4 r! z合成和 画 质 改 1 |5 p) H0 j/ l @ n, }1 [
善 的 全过程 1 E% J% \. E3 r3 o
。 , |8 \* {& o, a& q2 z
针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
/ l- j9 d0 ?" O7 A, 4 m( x) F) @. V; J
本文 主要解决
$ r; f" w, d% s. q' V; c$ ?了
' S ]* W, L; i9 _$ H/ F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
6 c2 C3 u) A0 F5 o, & j H) ^& a4 \: } @
主要 + V, ?% O' w7 m. o+ B6 F: s
工 , d) Q6 u0 I9 S! j1 m6 h
作 内 容和 创新点 包括4 Z* }' p& [9 u( ]& T( J0 m1 [
: ! b9 Y1 R* Q, _6 @
1 、
6 T- N9 h. ]' d1 p" o: U基于颜色统计信 息的 高斯混合模 型分类算法
" n" X% h2 Q4 i( L% [ C,
9 R) V" k9 ~7 F设计 了 . p8 x8 n6 _( w2 a" X
一
! P5 L7 ~5 E9 o8 ~种快速图 像分割 1 H0 J, ~9 E& L# d
算法 ' G: X8 \/ f6 p
,
$ l' G1 ~, a4 u U2 @) t) w该 算 法通过逐层 二分法; P1 F7 o) U2 D( V
一 ! `6 N# O I7 W4 K! _8 h' |
次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
# l8 j, X" n( _& ~3 C5 G,
7 h1 U# M% |: ?( P9 c) v+ H同 时 由 分割 区 域得 到相 应 的 目 标轮廓 / U5 e; @% I& X I- R
。 9 a5 l5 G ?9 ^
该算 法不同 于传统方法的 先 由 轮廓得) J- n3 X. C$ ?: | i9 v$ Z y
到 / d X& X4 D: Q$ M o' R' F
连续的 边界
$ k) N0 F j; q; h% x% n3 t. q, 1 y( ?, f2 Y9 x" e+ F) L0 E
再得 到分割 区 域的 做 法 " D7 F' M- T) D4 G: W
, 9 p) r) o4 {1 W% h
而 是 直接基于 颜色 统计信 息和像素分 布 3 g/ b, M7 d: \' L# g ~" ~ e2 j
的
# s2 Q7 b: {% A0 u4 a形态学特征进行 目 标 区域 的划 分, F" y! ]9 I# J# X# [" s7 ~1 K
,
/ _6 Q% s0 A( ^, ^减少 了 边缘分 析的计算时 间 # K1 y; L! b. I& X
,
1 g. Q9 p* d+ j/ M5 r% {且对 目 标 区 域' H8 R8 \1 Y! _, U5 Q
进 8 M6 F, M1 {: f/ I% v
行分 割 的同 时 即 可得到相 应 的 区域边界
9 Z3 u# S4 Y; P d. }: g, 5 \$ h% c0 n5 i
具备很 好的鲁棒性0 J& f# z9 R, S) d$ q8 Y* [
。 & D: ]: Z. g1 Z, S) [" u
2 、
. C8 Y% Q. s8 [9 N! O( y- ]& ]/ ]从包含 人脸的 任意 图 像中 截取脸部区 域 ' {+ n( c) ?% Q* `, m
,
2 r8 F8 V# A' z+ o- r0 r9 B经过背景 虚化 ) j* ^( N" Q+ R0 Q) ~+ c4 ~
、
A+ Y, l9 n& ?" i5 k Y缺失部分 补
0 ~; S3 K, D6 p7 r$ X% X0 [& h. b全
8 V+ D! J& H h* x) r. r等步 骤5 u; N1 p6 [' d9 s( O6 G8 A* ]$ [
,
6 b, c1 D I* j @3 M/ H基于 生成对抗网 络进行标准人 像 的合成
, R) T0 d' _# D$ ?, 2 y; @- b: H5 i, x( M
合 成后 的 图像具有 特征点对! v. ^: R' B3 V! J: d
齐
! i q" b4 L/ G% u1 L3 k后 的 人脸位置
5 e; ?7 E6 k, n- d: |: L% V+ `5 L,
" }3 ]# A$ Y4 r4 X* f, O+ v5 ?0 G- t且脸部 及肩 部 3 q; x" ` F+ b8 |9 o9 s* Z& ]7 \
、
' v( E% s2 Q9 d上半身 等部 分都具有 统& ?+ w/ Y! o" n' L7 S: F
一
7 y+ o6 a" W5 ^' O! o# y的 分 割与合成 效果
, M& |9 T) I! w6 A. U% ^。
6 Y0 w/ M( y; r& w该
1 h9 ?1 P% q* o; [1 a) H. x6 Y: T方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像 ; `: V( f% n. o, y8 ]
,
5 M' A) j8 H3 K. q可以 实 现人脸 图 像 的标准
) s( a$ {8 I& s/ S i2 V8 M) w化
c- E' j( Y& l& B0 ~& [. c% C, ! F8 q0 l8 I( {
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息 : V, O: g( v9 U# {
。
2 N: M$ ?: \" |$ Z$ b' a, ~该 算法可以 作为人脸
0 c# K% j% V/ M/ R1 x7 `6 l& F识
* P4 L5 A& a- g z+ a, Q: o别 后 的 处 理步骤/ b: l- r; o; u/ J: M+ P B
, % k+ ]$ i" g2 o% ]8 g9 t
处理后 的 人脸图 像 相 比 原 图 像具 有更4 b6 V* L! e, s- S
一
: ], ^6 q7 C" s$ j4 f8 R& k" I致的 图 像模式和对 齐 & i' ]% `1 L3 d4 d4 V9 ?2 @
后 的人脸特征 区 域
: |! D5 U' i5 ]2 G5 D6 s1 ? r, + I; H4 k' ?2 ~
同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
' l: G2 H. B" ]4 x2 D, - Q5 k: M# v, p+ _3 e, T/ M
有效改 善0 q) N2 k$ h( S2 a8 k) X
现 4 {" ? g6 i, R7 ], [
有 人脸识 别 与分割 算法的 效 果
3 M; Z+ d) A8 {。 0 p ?# T% ^4 ?7 o p2 d% {% W
3 、
# W1 d7 O( b9 l/ B4 W5 z2 |最 后本 文提 出 了
& A& j5 x- Q" a& _一
5 U s5 B/ b; F" R3 x, u& z种 针对人脸 图像进行优化 的 超分辨算 法# Y% V3 R" Q) ?4 ?. {
, % Q( X8 v: L) N1 t- ?5 w. P' |
相 比 于现有
0 |: q6 R; P, a. t* @/ r2 M7 Z的 图 像超分辨算法 - x) f% F9 H$ F" `4 k& h
,
. q2 k& U+ r. s, c4 s该算 法在图 像 的超分辨合成过程中 s0 `% o6 t, Y8 t
, + |, Z% t! k: |' \" ]- W
在关注合成 图像的 质 量
6 z/ M. K1 ~7 l- o7 xI摘 要 v$ |! f+ n. K* `$ a9 g
和更加 细致 自 然细 节 的 同 时 ' W4 I2 ~" ^& J7 n
,
. F/ M2 k! x4 C. N T& j3 P. l更加 关 注得到清 晰 的人脸 图 像 以及 与原 图 8 o$ j3 a+ O8 C, @ ]
一0 _ y- t6 d% a$ L! `3 S3 I
致
, @( j% E z4 c( E# w5 h' x的
$ [: ^$ v# @5 m5 C' A ^人脸身 份信 息 $ E; D3 X/ A" D" q$ p$ q4 b8 ?
。 # D" j; T y" L2 `- [ T8 j
算法通过引 入 生成对抗 网络和残差 网 络
6 g% E4 s4 ?9 b- u: V* L$ I, - W2 I' [) e- P w
实现 了 上 述 目 标
) x4 |5 y4 v# L9 | b' g8 p,
0 `- G0 C9 ?) B, T可 # L( @& H0 E! R! M0 T0 G- b
以
* y' n$ J( e4 Z8 O2 a0 S- o. L实 现图像 的 4 倍甚至 8
$ Y! X4 r# V8 L8 G5 N. S! K- a倍的 放大
2 f V1 Q! |3 M; Z,
4 B2 H: a* c9 S7 C将模糊 的 图 像合成为 具有 较高清 晰 度 和丰 富 ' W" I% A+ {' E$ H9 U8 R4 r, P! R
人脸信 息 的 高分辨率图像 8 a7 G% s& r5 {
,
5 p: N: d9 a/ J' o( A1 v同 时算 法具有很好的适应性 和 鲁棒 性
) q* [$ E' N, d) K+ r4 E, W,
9 m% ]; J! \* I/ ^3 G. q$ [, E; s对于 不 同数 据
% ?+ [6 X2 r" |: u ?8 V库 中 的 人脸 图 像样 本都具 有 很 好 的合 成效果
7 f% C: C( Z/ t# p# v/ W$ w5 X5 A( U# S。
2 |9 F- V3 l4 K3 _; E2 E该 算法采用 了
! G" m# Q2 P: \' D! D! n$ u7 Z, r" S1 k3 Q一
! p2 R8 \7 }/ {, H9 k% @' n0 D+ L种 端 到 端的 灵
3 d- J6 _! r+ S& K活
! ?2 a: Z# N- T( D5 `的层叠式结构
1 I' |) { D" j# ?+ w,
9 M3 s2 B( X1 x9 e1 X可 以适应 不 同 的算 法调整 目 标和 图 像 合成要求
1 `/ |! }$ F6 j。 $ U7 W& v% }/ C6 F
4 、 - K; ~# W+ Z! f2 x# [3 _
本 文在人 脸合成 图像的 对 比过程中
; v5 T/ J3 D3 G7 `( {4 d, $ P* b' v% `0 Z R( _* j
提 出 了 使用 F I- a7 j( U! b0 l8 H2 E
D ( Fr6chet I ncepti 5 t* C- e. _3 i4 Z0 k% M
on ' x4 D' u# P8 k& V9 x/ t9 T& s" g; [
D
) E/ X. z1 O" i3 O* ^i s tance ) 9 M B* l( o: g* e9 Z& J) V8 l9 ~
代替 以往 的 * m3 W+ Y) V% N4 K
PSNR
% o3 z. E& p5 @& ^( Peak - T' e2 ^+ U6 @, w
S
7 e+ x% @$ q8 X0 }* C1 Ri
" H3 u J3 Q" w# d% Fgna- g2 N0 e5 h2 y1 I) k5 w
l
- Q, k7 c3 Y( q, l9 f# y-
4 o4 g# G) R L; T+ f& j) k. Mto
' a7 S9 n; c3 }-
% V7 S) \: d7 T' F# H8 }No
3 Q- N9 M. W& Fi se Rati
5 J) S) _7 q6 u! |% M0 Ho 4 \! c. }' H2 z* D) p0 y" U* m
)
" @# T& t8 @, q8 z和 $ v# e0 _' Z4 M* G
S SI
' L3 v: G2 \+ X+ h) A! H' S- C, zM
1 M* v. \% R- U1 I H# J9 m$ U( structura, a* a1 \ |6 ]9 j9 ?1 b0 R: {( N, d
l si # Y% ]! Z0 n8 S* F' U$ r% p- V
m
) {+ |- U0 u: ?+ A s# o& F-
! n- A# w2 } C9 H- W( p1 Qi l 2 ~, a) g! B6 p6 x: d. ]
ari ty
! @8 C% A% }# n7 U# {i # M) ?7 C4 R2 R4 c, w6 A
ndex )
; C3 Y l# F2 c: n: R参数作 为人脸 图 像合成 以及超分 辨算法的评价依据
) {) R/ }0 o* a, E% F' e4 _! J1 y- D, c, q
因 为 FI
8 V! F7 q `* f$ M' P* L! cD 值能 " r i3 B3 M P
够更加 准确 的表达 图 像对于 人脸信 息 的保 留 情况
; M4 @% T0 ^+ u. @0 {, * d1 Y1 Z) ?+ ^" f2 T1 z9 T: X
同 时通过全局 特征 信 息 的统
( }+ N* O" M* U4 n( s& G8 g0 {计得到 图像整 体的合 成效果 与 原图像的对 比 1 S8 g- l1 U2 I- j$ \
。 + G* N. |, v0 h
P SNR 和
! ^% _" C) a* y- y! M- ^' oSSI
1 r/ n. j9 h8 n7 t1 y# j% [M 则作为 图 像局 部细 1 X+ J1 P" N. g! D" H: y% I R
节特征 的评价标准更适用 于评价 图像本身 的清 晰度
& `7 m: }; c8 q, R6 I b,
( O, ?" s* B, ^4 i7 v1 ^细节质量等局部信 息
" Z" y5 }* ?+ v- `$ r。
5 l6 X* T1 G# ^9 |# H通" I+ M) P$ ^8 J
过 3 S7 F! S. T( n) `/ G
三者 的结合
9 h& s, M/ g; Y" m f" W, " Z! {: w x9 q; ^9 c2 o! _; r) ~
可 以 更好的评价合成人脸 图像 的 清晰 度 以 及合成 质 量
+ U2 Y1 v, N% R4 m# z1 m) D,
8 B! v- A) ?( x同时 评价 : u' k5 u& v3 k3 [# Q
合 / I! }% e8 }- |! `
成后 的 图像 与 输入 图 像相 比 1 R' ]& n8 \" _5 L3 _* x
, ; K9 Q% z4 Z) r) p
其 中 的人物身 份特征是 否能 够得 到更好 的 保留 : s+ e3 D. r" Q. q
3 f: ?3 E0 \ ~6 h/ I/ v7 t8 H6 u4 F
0 C$ Z& s+ k, ~2 ?& L# \
4 v: K& p. w7 j3 f9 k/ v
/ d% `; p' i$ m, \" D; y0 x% [0 `5 S$ E# ? B t: K
|
zan
|