CN107577985A - 基于循环生成对抗网络的人脸头像卡通化的实现方法 - Google Patents

基于循环生成对抗网络的人脸头像卡通化的实现方法 Download PDF

Info

Publication number
CN107577985A
CN107577985A CN201710584911.7A CN201710584911A CN107577985A CN 107577985 A CN107577985 A CN 107577985A CN 201710584911 A CN201710584911 A CN 201710584911A CN 107577985 A CN107577985 A CN 107577985A
Authority
CN
China
Prior art keywords
mrow
msub
head portrait
face head
cartoon
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710584911.7A
Other languages
English (en)
Other versions
CN107577985B (zh
Inventor
解晓波
熊健
李海波
桂冠
杨洁
华文韬
朱颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201710584911.7A priority Critical patent/CN107577985B/zh
Publication of CN107577985A publication Critical patent/CN107577985A/zh
Application granted granted Critical
Publication of CN107577985B publication Critical patent/CN107577985B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Processing Or Creating Images (AREA)
  • Cosmetics (AREA)

Abstract

本发明公开了一种基于循环生成对抗网络的人脸头像卡通化的实现方法，包括步骤：从网络上爬取若干真实人物图片和卡通人物图片；基于人脸检测算法识别图片中的人脸，获得真实人脸头像和卡通人脸头像后作为训练样本；构建由生成器和鉴别器组成的循环生成对抗网络，并设计损失函数；将真实人脸头像和卡通人脸头像分别作为输入，训练循环生成对抗网络来最小化损失函数；将待处理的真实人脸头像输入训练完成后的循环生成对抗网络的生成器，获得对应的卡通人脸头像。本发明使得循环生成对抗网络的第一生成器性能达到最佳，可以将输入的真实人脸头像卡通化，做到人脸卡通化的实时性和有效性。

Description

基于循环生成对抗网络的人脸头像卡通化的实现方法
技术领域
本发明涉及一种基于循环生成对抗网络的人脸头像卡通化的实现方法，属于计算机视觉中图像处理的技术领域。
背景技术
近年来，随着人工智能的兴起，深度学习受到了广泛的关注，其中生成对抗网络的提出加速了深度学习的进程。2014年，蒙特利尔大学Ian Goodfellow等学者提出“生成对抗网络”的概念，并逐渐引起AI业内人士的注意。自2016年以来，学界、业界对GANs的兴趣出现“井喷”：
多篇重磅论文陆续发表；Facebook、OpenAI等AI业界巨头也加入对GANs的研究；它成为今年12月NIPS大会当之无愧的明星——在会议大纲中被提到逾170次；GANs之父”IanGoodfellow被公推为人工智能的顶级专家；Yan Lecun也对它交口称赞，称其为“20年来机器学习领域最酷的想法”。
生成对抗网络是一种生成模型(Generative Model)，其背后基本思想是从训练库里获取很多训练样本，从而学习这些训练案例生成的概率分布。而实现的方法，是让两个网络相互竞争，‘玩一个游戏’。其中一个叫做生成器网络(GeneratorNetwork)，它不断捕捉训练库里真实图片的概率分布，将输入的随机噪声(RandomNoise)转变成新的样本(也就是假数据)。另一个叫做判别器网络(DiscriminatorNetwork)，它可以同时观察真实和假造的数据，并判断数据的真伪。
循环生成对抗网络则是对生成对抗网络的改进，将输入图像通过生成器G再通过生成器F得到的图像与输入图像对比，使得差距最小。由于现有技术实现人脸头像卡通化的效果不佳，而且有些卡通化依赖于人类手动设置，使得人脸头像卡通化在效果和速度方面都不能令人满意，存在转化效果差和一些效果好但速度慢的问题。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足，提供一种基于循环生成对抗网络的人脸头像卡通化的实现方法，解决传统方法中的转化效果差和一些效果好但速度慢的问题，做到人脸卡通化的实时性和有效性。
本发明具体采用以下技术方案解决上述技术问题：
基于循环生成对抗网络的人脸头像卡通化的实现方法，包括以下步骤：
步骤1、从网络上爬取若干真实人物图片和卡通人物图片；
步骤2、基于人脸检测算法识别所爬取的真实人物图片和卡通人物图片中的人脸，获得真实人脸头像和卡通人脸头像后作为训练样本；
步骤3、构建由生成器和鉴别器组成的循环生成对抗网络，并设计损失函数；将所述训练样本中的真实人脸头像和卡通人脸头像分别作为循环生成对抗网络的输入，训练循环生成对抗网络以最小化损失函数；
步骤4、将待处理的真实人脸头像输入训练完成后的循环生成对抗网络的生成器中，获得真实人脸头像对应的卡通人脸头像。
进一步地，作为本发明的一种优选技术方案：所述步骤1采用爬虫方法从网络上爬取获得图片。
进一步地，作为本发明的一种优选技术方案：所述步骤2采用基于Adaboost人脸检测算法进行识别。
进一步地，作为本发明的一种优选技术方案：所述步骤3中循环生成对抗网络包括第一和第二生成器，及第一和第二鉴别器。
进一步地，作为本发明的一种优选技术方案：所述步骤3中生成器包括编码器、转换器和解码器。
进一步地，作为本发明的一种优选技术方案：所述步骤3对循环生成对抗网络进行训练，包括步骤：
步骤31、将步骤2所述真实人脸头像输入第一鉴别器鉴别，同时将真实人脸头像输入第一生成器以生成卡通人脸头像，再将生成的卡通人脸头像通过第二鉴别器鉴别，同时将生成的卡通人脸头像通过第二生成器生成循环真实人脸头像；
步骤32、将步骤2所述卡通人脸头像输入第二鉴别器鉴别，同时将真实人脸头像输入第一生成器以生成真实人脸头像，再将生成的真实人脸头像通过第二鉴别器鉴别，同时将生成的真实人脸头像通过第一鉴别器生成循环卡通人脸头像；
步骤33、对所述第一和第二生成器、第一和第二鉴别器进行调整，以使得损失函数最小化。
进一步地，作为本发明的一种优选技术方案：所述步骤3中计算损失函数设计为：
其中，
所述公式中，G是第一生成器，F是第二生成器，x是训练样本中的真实人脸头像，y是训练样本中的卡通脸头像，DX是第一鉴别器，DY是第二鉴别器；λ1、λ2、λ3为可设定参数；LGAN是鉴别器损失；Lcyc是循环损失；Lcyc'是循环鉴别损失。
本发明采用上述技术方案，能产生如下技术效果：
本发明将真实人脸头像和卡通人脸头像放入循环生成对抗网络中进行训练，通过将真实人脸头像和卡通人脸头像输入到循环生成对抗网络中，训练循环生成对抗网络模型最小化损失函数，此时第一生成器可以将输入的真实人脸头像卡通化。将循环生成对抗网络在真实人脸卡通化方面加以应用，实现一个转化器，输入一张真实人脸头像输出一张相应的卡通人脸头像，做到了人脸卡通化的实时性和有效性，解决了传统方法中的转化效果差和一些效果好但速度慢的问题。
附图说明
图1是本发明基于循环生成对抗网络的人脸头像卡通化的实现方法的流程图。
图2是本发明循环生成对抗网络的结构示意图。
图3是本发明循环生成对抗网络中生成器的结构图。
图4是本发明循环生成对抗网络中鉴别器的结构图。
具体实施方式
下面结合说明书附图对本发明的实施方式进行描述。
如图1所示，本发明设计了一种基于循环生成对抗网络的人脸头像卡通化的实现方法，该方法包括以下步骤：
步骤1、从网络上爬取多张面部清晰的真实人物图片和卡通人物图片，具体如下：
找到真人图片网站，要求真实人物的面部可见，图片清晰；
找到卡通图片网站，要求风格一致或者相近，图片清晰；
利用爬虫技术，分别从两个网站爬取获得5万张图片。
步骤2、基于人脸检测算法识别所爬取的真实人物图片和卡通人物图片中的人脸，获得真实人脸头像和卡通人脸头像作为训练样本。
优选地，基于Adaboost人脸检测算法进行识别步骤1所爬取到的图片，在指定数量的图像中识别人脸并进行裁剪，裁剪成统一大小256*256并保存到另一文件夹下，且图片文件名不变，将其作为训练样本。
步骤3、构建由生成器和鉴别器组成的循环生成对抗网络，如图2所示，具体过程如下：
首先，构建生成器，生成器的结构如图3所示。生成器由三个部分组成：编码器、转换器和解码器。其中，编码器包含Conv Layer是卷积层，作用是利用卷积网络从输入图像中提取特征；转换器包含的Resnet Block是残差网络，网络层的作用是组合图像的不同相近特征，然后基于这些特征，确定如何将图像的特征向量进行域转换；解码器包含的DeConvLayer是反卷积层，解码过程与编码方式完全相反，从特征向量中还原出低级特征，这是利用反卷积层来完成的。
本发明中，设计了第一生成器G和第二生成器F，其中第一生成器G的输入是真实人脸头像，输出是由第一生成器G自动生成的卡通人脸头像；第二生成器F的输入是卡通人脸头像，输出是由第二生成器F自动生成的真实人脸头像。
其次，构建鉴别器。鉴别器的结构如图4所示。鉴别器将一张图像作为输入并尝试预测其为原始图像或是生成器的输出图像，其包含Conv Layer是卷积层。鉴别器本身就属于卷积网络，需要从图像中提取特征。获取图像特征后确定这些特征是否属于该特定类别，添加一个产生一维输出的卷积层来完成这个任务。鉴别器的输出分布decision在0到1之间，当输入图像与原始图像越接近其值越接近1。
本发明中设计了第一鉴别器A和第二鉴别器B，其中第一鉴别器A的输入是真实人脸头像或是循环生成真实人脸头像，输出是输入图像来自真实人脸头像中的概率；第二鉴别器B的输入是卡通人脸头像或是循环生成卡通人脸头像，输出是输入图像来自卡通人脸头像的概率。
然后，设计损失函数。现在有两个生成器和两个鉴别器。需要按照实际目的来设计损失函数。损失函数应该包括如下四个部分：鉴别器必须允许所有响应类别的原始图像，即对应输出置1；鉴别器必须拒绝所有想要愚弄过关的生成图像，即对应输出置0；生成器必须使鉴别器允许通过所有的生成图像，来实现愚弄操作；所生成的图像必须保留有原始图像的特性，所以如果使用第一生成器G生成一张假图像，那么要能够使用另一个第二生成器F来恢复成原始图像。此过程必须满足循环一致性。
基于上述已构建的循环生成对抗网络，将所述训练样本中的真实人脸头像和卡通人脸头像分别作为循环生成对抗网络的输入，对循环生成对抗网络进行训练来最小化损失函数，在训练过程中不断调整生成器和鉴别器。
所述训练过程，具体为：
步骤31、将步骤2所述真实人脸头像输入第一鉴别器A鉴别，得到的鉴别结果decision在0到1之间；同时将真实人脸头像输入第一生成器G以生成卡通人脸头像，再将生成的卡通人脸头像通过第二鉴别器B鉴别，同时将生成的卡通人脸头像通过第二生成器F生成循环真实人脸头像；当真实人脸头像图片和循环真实人脸头像越相近，则表明生成器的效果越好。
步骤32、将步骤2所述卡通人脸头像输入第二鉴别器B鉴别，得到的鉴别结果decision在0到1之间；同时将真实人脸头像输入第一生成器G以生成真实人脸头像，再将生成的真实人脸头像通过第二鉴别器F鉴别，同时将生成的真实人脸头像通过第一鉴别器A生成循环卡通人脸头像；当卡通人脸头像图片和循环卡通人脸头像越相近，则表明生成器的效果越好。
步骤33、设计损失函数。通过将训练样本放入循环生成对抗网络中进行训练，训练过程中不断调整鉴别器和生成器以最小化损失函数。
上述损失函数设计为：
其中，
所述公式中，G是第一生成器，F是生成器第二，x是训练样本中的真实人脸头像，y是训练样本中的卡通脸头像，DX是第一鉴别器，DY是第二鉴别器；λ1、λ2、λ3为可设定参数；LGAN是鉴别器损失；Lcyc是循环损失；Lcyc'是循环鉴别损失；DX(x)是第一鉴别器判定特征x来自训练样本x的概率，DY(y)是第二鉴别器判定特征y来自训练样本y的概率，DY(G(x))是第二鉴别器判定G(x)来自训练样本y的概率，DX(F(y))是第一鉴别器判定F(y)来自训练样本x的概率，DX(F(G(x)))是第一鉴别器判定F(G(x))来自训练样本x的概率，DY(G(F(y)))是第二鉴别器判定G(F(y))来自训练样本y的概率。
由于本发明着重训练第一生成器G即真实人脸卡通化转化器故令λ1＝5，循环损失比鉴别损失更加重要故令λ2＝20，λ3＝10。这里LGAN是鉴别器损失，当训练越好，鉴别器鉴别难度越大，DY(G(x))和DX(F(y))的值越接近1，这时LGAN值就越小；Lcyc是循环损失，当训练越好，循环生成的图片和训练样本越接近，二者之间差距越小，L1范数越小，所以Lcyc就越小；Lcyc'是循环鉴别损失，判断循环后生成的图片是否来自最开始输入的样本中，当训练越好，生成器生成的效果越好，鉴别器难度越大，此时Lcyc'的值也就越小。由于本发明的目的在于实现真实人物头像卡通化，故加强了对第一生成器G的训练，令λ1＝5。
当损失函数L(G,F,DX,DY)最小时，训练完成，此时的第一生成器G就是满足真实人脸头像卡通化要求的转化器。训练循环生成对抗网络模型来最小化损失函数，训练过程中，生成器和鉴别器不断调整，当损失函数最小时，此时第一生成器较为完善，可将输入的真实人脸头像转换成卡通人脸头像。
步骤4、将待处理的真实人脸头像输入训练完成后的循环生成对抗网络的第一生成器中，获得真是人脸头像对应的卡通人脸头像。即将步骤3中损失函数为最小时，第一生成器较为完善，此时，将一个真实人脸头像输入该生成器即可得到所对应的卡通人脸头像。
综上，本发明通过将真实人脸头像和卡通人脸头像输入到循环生成对抗网络中，训练循环生成对抗网络模型，得到训练完善的生成器，此时第一生成器可以将输入的真实人脸头像卡通化。将循环生成对抗网络在真实人脸卡通化方面加以应用，做到了人脸卡通化的实时性和有效性，解决了传统方法中的转化效果差和一些效果好但速度慢的问题。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (7)

1.基于循环生成对抗网络的人脸头像卡通化的实现方法，其特征在于，包括以下步骤：
步骤1、从网络上爬取若干真实人物图片和卡通人物图片；
步骤2、基于人脸检测算法识别所爬取的真实人物图片和卡通人物图片中的人脸，获得真实人脸头像和卡通人脸头像后作为训练样本；
步骤3、构建由生成器和鉴别器组成的循环生成对抗网络，并设计损失函数；将所述训练样本中的真实人脸头像和卡通人脸头像分别作为循环生成对抗网络的输入，训练循环生成对抗网络以最小化损失函数；
步骤4、将待处理的真实人脸头像输入训练完成后的循环生成对抗网络的生成器中，获得真实人脸头像对应的卡通人脸头像。
2.根据权利要求1所述基于循环生成对抗网络的人脸头像卡通化的实现方法，其特征在于：所述步骤1采用爬虫方法从网络上爬取获得图片。
3.根据权利要求1所述基于循环生成对抗网络的人脸头像卡通化的实现方法，其特征在于：所述步骤2采用基于Adaboost人脸检测算法进行识别。
4.根据权利要求1所述基于循环生成对抗网络的人脸头像卡通化的实现方法，其特征在于：所述步骤3中循环生成对抗网络包括第一和第二生成器，及第一和第二鉴别器。
5.根据权利要求1所述基于循环生成对抗网络的人脸头像卡通化的实现方法，其特征在于：所述步骤3中生成器包括编码器、转换器和解码器。
6.根据权利要求4所述基于循环生成对抗网络的人脸头像卡通化的实现方法，其特征在于：所述步骤3对循环生成对抗网络进行训练，包括步骤：
步骤31、将步骤2所述真实人脸头像输入第一鉴别器鉴别，同时将真实人脸头像输入第一生成器以生成卡通人脸头像，再将生成的卡通人脸头像通过第二鉴别器鉴别，同时将生成的卡通人脸头像通过第二生成器生成循环真实人脸头像；
步骤32、将步骤2所述卡通人脸头像输入第二鉴别器鉴别，同时将真实人脸头像输入第一生成器以生成真实人脸头像，再将生成的真实人脸头像通过第二鉴别器鉴别，同时将生成的真实人脸头像通过第一鉴别器生成循环卡通人脸头像；
步骤33、对所述第一和第二生成器、第一和第二鉴别器进行调整，以使得损失函数最小化。
7.根据权利要求6所述基于循环生成对抗网络的人脸头像卡通化的实现方法，其特征在于：所述步骤3中损失函数设计为：
L(G,F,DX,DY)＝λ1LGAN(G,DY,X,Y)+LGAN(F,DX,Y,X)
+λ2Lcyc(G,F)+λ3Lcyc'(G,F,DX,DY)
其中，
<mrow> <msub> <mi>L</mi> <mrow> <mi>G</mi> <mi>A</mi> <mi>N</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>G</mi> <mo>,</mo> <msub> <mi>D</mi> <mi>Y</mi> </msub> <mo>,</mo> <mi>X</mi> <mo>,</mo> <mi>Y</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>E</mi> <mrow> <mi>y</mi> <mo>~</mo> <msub> <mi>p</mi> <mrow> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>a</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>&amp;lsqb;</mo> <mi>log</mi> <mi> </mi> <msub> <mi>D</mi> <mi>Y</mi> </msub> <mrow> <mo>(</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>+</mo> <msub> <mi>E</mi> <mrow> <mi>x</mi> <mo>~</mo> <msub> <mi>p</mi> <mrow> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>a</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>&amp;lsqb;</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>D</mi> <mi>Y</mi> </msub> <mo>(</mo> <mi>G</mi> <mo>(</mo> <mi>x</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow>
<mrow> <msub> <mi>L</mi> <mrow> <mi>G</mi> <mi>A</mi> <mi>N</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>F</mi> <mo>,</mo> <msub> <mi>D</mi> <mi>X</mi> </msub> <mo>,</mo> <mi>Y</mi> <mo>,</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>E</mi> <mrow> <mi>x</mi> <mo>~</mo> <msub> <mi>p</mi> <mrow> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>a</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>&amp;lsqb;</mo> <mi>log</mi> <mi> </mi> <msub> <mi>D</mi> <mi>X</mi> </msub> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>+</mo> <msub> <mi>E</mi> <mrow> <mi>y</mi> <mo>~</mo> <msub> <mi>p</mi> <mrow> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>a</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>&amp;lsqb;</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>D</mi> <mi>X</mi> </msub> <mo>(</mo> <mi>F</mi> <mo>(</mo> <mi>y</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow>
<mrow> <msub> <mi>L</mi> <mrow> <mi>c</mi> <mi>y</mi> <mi>c</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>G</mi> <mo>,</mo> <mi>F</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>E</mi> <mrow> <mi>x</mi> <mo>~</mo> <msub> <mi>p</mi> <mrow> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>a</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>&amp;lsqb;</mo> <mo>|</mo> <mo>|</mo> <mi>F</mi> <mrow> <mo>(</mo> <mi>G</mi> <mo>(</mo> <mi>x</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mi>x</mi> <mo>|</mo> <msub> <mo>|</mo> <mn>1</mn> </msub> <mo>&amp;rsqb;</mo> <mo>+</mo> <msub> <mi>E</mi> <mrow> <mi>y</mi> <mo>~</mo> <msub> <mi>p</mi> <mrow> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>a</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>&amp;lsqb;</mo> <mo>|</mo> <mo>|</mo> <mi>G</mi> <mrow> <mo>(</mo> <mi>F</mi> <mo>(</mo> <mi>y</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mi>y</mi> <mo>|</mo> <msub> <mo>|</mo> <mn>1</mn> </msub> <mo>&amp;rsqb;</mo> </mrow>
<mrow> <msup> <msub> <mi>L</mi> <mrow> <mi>c</mi> <mi>y</mi> <mi>c</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>G</mi> <mo>,</mo> <mi>F</mi> <mo>,</mo> <msub> <mi>D</mi> <mi>X</mi> </msub> <mo>,</mo> <msub> <mi>D</mi> <mi>Y</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>E</mi> <mrow> <mi>x</mi> <mo>~</mo> <msub> <mi>p</mi> <mrow> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>a</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>&amp;lsqb;</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>D</mi> <mi>X</mi> </msub> <mo>(</mo> <mi>F</mi> <mo>(</mo> <mrow> <mi>G</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>+</mo> <msub> <mi>E</mi> <mrow> <mi>y</mi> <mo>~</mo> <msub> <mi>p</mi> <mrow> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>a</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>&amp;lsqb;</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>D</mi> <mi>Y</mi> </msub> <mo>(</mo> <mrow> <mi>G</mi> <mrow> <mo>(</mo> <mrow> <mi>F</mi> <mrow> <mo>(</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow>
所述公式中，G是第一生成器，F是第二生成器，x是训练样本中的真实人脸头像，y是训练样本中的卡通人脸头像，DX是第一鉴别器，DY是第二鉴别器；λ1、λ2、λ3为可设定参数；LGAN是鉴别器损失；Lcyc是循环损失；Lcyc'是循环鉴别损失。
CN201710584911.7A 2017-07-18 2017-07-18 基于循环生成对抗网络的人脸头像卡通化的实现方法 Active CN107577985B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710584911.7A CN107577985B (zh) 2017-07-18 2017-07-18 基于循环生成对抗网络的人脸头像卡通化的实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710584911.7A CN107577985B (zh) 2017-07-18 2017-07-18 基于循环生成对抗网络的人脸头像卡通化的实现方法

Publications (2)

Publication Number Publication Date
CN107577985A true CN107577985A (zh) 2018-01-12
CN107577985B CN107577985B (zh) 2019-10-15

Family

ID=61049155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710584911.7A Active CN107577985B (zh) 2017-07-18 2017-07-18 基于循环生成对抗网络的人脸头像卡通化的实现方法

Country Status (1)

Country Link
CN (1) CN107577985B (zh)

Cited By (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108268845A (zh) * 2018-01-17 2018-07-10 深圳市唯特视科技有限公司 一种利用生成对抗网络合成人脸视频序列的动态转换系统
CN108334847A (zh) * 2018-02-06 2018-07-27 哈尔滨工业大学 一种真实场景下的基于深度学习的人脸识别方法
CN108564127A (zh) * 2018-04-19 2018-09-21 腾讯科技（深圳）有限公司 图像转换方法、装置、计算机设备及存储介质
CN108596024A (zh) * 2018-03-13 2018-09-28 杭州电子科技大学 一种基于人脸结构信息的肖像生成方法
CN108648188A (zh) * 2018-05-15 2018-10-12 南京邮电大学 一种基于生成对抗网络的无参考图像质量评价方法
CN109064422A (zh) * 2018-07-17 2018-12-21 中国海洋大学 一种基于融合对抗网络的水下图像复原方法
CN109166144A (zh) * 2018-07-20 2019-01-08 中国海洋大学 一种基于生成对抗网络的图像深度估计方法
CN109190620A (zh) * 2018-09-03 2019-01-11 苏州科达科技股份有限公司 车牌样本生成方法、系统、设备及存储介质
CN109190579A (zh) * 2018-09-14 2019-01-11 大连交通大学 一种基于对偶学习的生成式对抗网络sigan的签名笔迹鉴定方法
CN109376582A (zh) * 2018-09-04 2019-02-22 电子科技大学 一种基于生成对抗网络的交互式人脸卡通方法
CN109583474A (zh) * 2018-11-01 2019-04-05 华中科技大学 一种用于工业大数据处理的训练样本生成方法
CN109584325A (zh) * 2018-10-30 2019-04-05 河北科技大学 一种基于u型周期一致对抗网络的动漫图像的双向色彩化方法
CN109726760A (zh) * 2018-12-29 2019-05-07 驭势科技（北京）有限公司 训练图片合成模型的方法及装置
CN109741244A (zh) * 2018-12-27 2019-05-10 广州小狗机器人技术有限公司 图片生成方法及装置、存储介质及电子设备
CN109800732A (zh) * 2019-01-30 2019-05-24 北京字节跳动网络技术有限公司 用于生成漫画头像生成模型的方法和装置
CN109800730A (zh) * 2019-01-30 2019-05-24 北京字节跳动网络技术有限公司 用于生成头像生成模型的方法和装置
CN109859295A (zh) * 2019-02-01 2019-06-07 厦门大学 一种特定动漫人脸生成方法、终端设备及存储介质
CN109859113A (zh) * 2018-12-25 2019-06-07 北京奇艺世纪科技有限公司 模型生成方法、图像增强方法、装置及计算机可读存储介质
CN109902615A (zh) * 2019-02-25 2019-06-18 中国计量大学 一种基于对抗网络的多个年龄段图像生成方法
CN109934117A (zh) * 2019-02-18 2019-06-25 北京联合大学 基于生成对抗网络的行人重识别检测方法
CN110009044A (zh) * 2019-04-09 2019-07-12 北京七鑫易维信息技术有限公司 一种模型训练方法及装置、图像处理方法及装置
CN110008846A (zh) * 2019-03-13 2019-07-12 南京邮电大学 一种图像处理方法
CN110070483A (zh) * 2019-03-26 2019-07-30 中山大学 一种基于生成式对抗网络的人像卡通化方法
CN110084863A (zh) * 2019-04-25 2019-08-02 中山大学 一种基于生成对抗网络的多域图像转换方法与系统
CN110110576A (zh) * 2019-01-03 2019-08-09 北京航空航天大学 一种基于孪生语义网络的交通场景热红外语义生成方法
WO2019154035A1 (zh) * 2018-02-12 2019-08-15 华为技术有限公司 一种在视频中植入广告的方法及计算机设备
CN110147830A (zh) * 2019-05-07 2019-08-20 东软集团股份有限公司 训练影像数据生成网络的方法、影像数据分类方法及装置
CN110163794A (zh) * 2018-05-02 2019-08-23 腾讯科技（深圳）有限公司 图像的转换方法、装置、存储介质和电子装置
CN110414378A (zh) * 2019-07-10 2019-11-05 南京信息工程大学 一种基于异质人脸图像融合特征的人脸识别方法
CN110415308A (zh) * 2019-06-21 2019-11-05 浙江大学 一种基于循环空间转换网络的人脸漫画生成方法
CN110472528A (zh) * 2019-07-29 2019-11-19 江苏必得科技股份有限公司 一种地铁环境目标训练集生成方法及系统
CN110503601A (zh) * 2019-08-28 2019-11-26 上海交通大学 基于对抗网络的人脸生成图片替换方法及系统
CN110555821A (zh) * 2018-01-26 2019-12-10 腾讯科技（深圳）有限公司 模型训练方法、装置和存储介质
CN110633698A (zh) * 2019-09-30 2019-12-31 上海依图网络科技有限公司 基于循环生成对抗网络的红外图片识别方法、设备及介质
CN111179228A (zh) * 2019-12-16 2020-05-19 浙江大学 一种基于深度学习的单能ct能谱成像方法
CN111260545A (zh) * 2020-01-20 2020-06-09 北京百度网讯科技有限公司 生成图像的方法和装置
CN111275784A (zh) * 2020-01-20 2020-06-12 北京百度网讯科技有限公司 生成图像的方法和装置
CN111369428A (zh) * 2020-03-09 2020-07-03 北京百度网讯科技有限公司 虚拟头像生成方法和装置
CN111489287A (zh) * 2020-04-10 2020-08-04 腾讯科技（深圳）有限公司 图像转换方法、装置、计算机设备和存储介质
CN111667400A (zh) * 2020-05-30 2020-09-15 温州大学大数据与信息技术研究院 一种基于无监督学习的人脸轮廓特征风格化生成方法
CN111738910A (zh) * 2020-06-12 2020-10-02 北京百度网讯科技有限公司 一种图像处理方法、装置、电子设备和存储介质
CN111753137A (zh) * 2020-06-29 2020-10-09 四川长虹电器股份有限公司 一种基于语音特征的视频搜索方法
CN112308770A (zh) * 2020-12-29 2021-02-02 北京世纪好未来教育科技有限公司 人像转换模型生成方法及人像转换方法
CN112561786A (zh) * 2020-12-22 2021-03-26 作业帮教育科技（北京）有限公司 基于图像卡通化的在线直播方法、装置和电子设备
CN112861578A (zh) * 2019-11-27 2021-05-28 四川大学 一种基于自注意力机制的从人眼生成人脸的方法
CN113177556A (zh) * 2021-03-18 2021-07-27 作业帮教育科技（北京）有限公司 一种文本图像增强模型、训练方法、增强方法及电子设备
CN113361357A (zh) * 2021-05-31 2021-09-07 北京达佳互联信息技术有限公司 图像处理模型训练方法、图像处理方法及装置
CN113436059A (zh) * 2021-06-25 2021-09-24 北京房江湖科技有限公司 图像处理方法和存储介质
CN113486688A (zh) * 2020-05-27 2021-10-08 海信集团有限公司 一种人脸识别方法及智能设备
CN113498526A (zh) * 2020-02-05 2021-10-12 谷歌有限责任公司 使用可解释变换参数的图像变换
CN113570689A (zh) * 2021-07-28 2021-10-29 杭州网易云音乐科技有限公司 人像卡通化方法、装置、介质和计算设备
CN113706646A (zh) * 2021-06-30 2021-11-26 酷栈(宁波)创意科技有限公司 用于生成山水画的数据处理方法
CN113822976A (zh) * 2021-06-08 2021-12-21 腾讯科技（深圳）有限公司 生成器的训练方法及装置、存储介质和电子装置
CN113838159A (zh) * 2021-09-14 2021-12-24 上海任意门科技有限公司 用于生成卡通图像的方法、计算设备和存储介质
WO2022166797A1 (zh) * 2021-02-02 2022-08-11 百果园技术(新加坡)有限公司 图像生成模型的训练方法、生成方法、装置及设备
CN116630140A (zh) * 2023-03-31 2023-08-22 南京信息工程大学 一种基于条件生成对抗网络的动漫人像真人化的实现方法、设备及介质
CN116777733A (zh) * 2023-04-25 2023-09-19 成都信息工程大学 基于生成对抗网络的人脸隐私保护方法
RU2817316C2 (ru) * 2021-02-02 2024-04-15 Биго Текнолоджи Пте. Лтд. Способ и устройство для обучения модели генерирования изображений, способ и устройство для генерирования изображений и их устройства

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3308430A (en) * 1963-11-29 1967-03-07 Nat Res Dev Character recognition systems and apparatus
CN106803082A (zh) * 2017-01-23 2017-06-06 重庆邮电大学 一种基于条件式生成对抗网络的在线笔迹识别方法
CN106886975A (zh) * 2016-11-29 2017-06-23 华南理工大学 一种可实时运行的图像风格化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3308430A (en) * 1963-11-29 1967-03-07 Nat Res Dev Character recognition systems and apparatus
CN106886975A (zh) * 2016-11-29 2017-06-23 华南理工大学 一种可实时运行的图像风格化方法
CN106803082A (zh) * 2017-01-23 2017-06-06 重庆邮电大学 一种基于条件式生成对抗网络的在线笔迹识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JUN-YAN ZHU 等: "Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks", 《ARXIV:1703.10593V1》 *
徐一峰: "生成对抗网络理论模型和应用综述", 《金华职业技术学院学报》 *

Cited By (83)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108268845A (zh) * 2018-01-17 2018-07-10 深圳市唯特视科技有限公司 一种利用生成对抗网络合成人脸视频序列的动态转换系统
CN110555821A (zh) * 2018-01-26 2019-12-10 腾讯科技（深圳）有限公司 模型训练方法、装置和存储介质
CN110555821B (zh) * 2018-01-26 2022-04-05 腾讯科技（深圳）有限公司 模型训练方法、装置和存储介质
CN108334847A (zh) * 2018-02-06 2018-07-27 哈尔滨工业大学 一种真实场景下的基于深度学习的人脸识别方法
US11595737B2 (en) 2018-02-12 2023-02-28 Huawei Technologies Co., Ltd. Method for embedding advertisement in video and computer device
WO2019154035A1 (zh) * 2018-02-12 2019-08-15 华为技术有限公司 一种在视频中植入广告的方法及计算机设备
CN108596024A (zh) * 2018-03-13 2018-09-28 杭州电子科技大学 一种基于人脸结构信息的肖像生成方法
CN108596024B (zh) * 2018-03-13 2021-05-04 杭州电子科技大学 一种基于人脸结构信息的肖像生成方法
CN108564127A (zh) * 2018-04-19 2018-09-21 腾讯科技（深圳）有限公司 图像转换方法、装置、计算机设备及存储介质
CN108564127B (zh) * 2018-04-19 2022-02-18 腾讯科技（深圳）有限公司 图像转换方法、装置、计算机设备及存储介质
CN110163794B (zh) * 2018-05-02 2023-08-29 腾讯科技（深圳）有限公司 图像的转换方法、装置、存储介质和电子装置
CN110163794A (zh) * 2018-05-02 2019-08-23 腾讯科技（深圳）有限公司 图像的转换方法、装置、存储介质和电子装置
CN108648188B (zh) * 2018-05-15 2022-02-11 南京邮电大学 一种基于生成对抗网络的无参考图像质量评价方法
CN108648188A (zh) * 2018-05-15 2018-10-12 南京邮电大学 一种基于生成对抗网络的无参考图像质量评价方法
CN109064422A (zh) * 2018-07-17 2018-12-21 中国海洋大学 一种基于融合对抗网络的水下图像复原方法
CN109166144A (zh) * 2018-07-20 2019-01-08 中国海洋大学 一种基于生成对抗网络的图像深度估计方法
CN109190620A (zh) * 2018-09-03 2019-01-11 苏州科达科技股份有限公司 车牌样本生成方法、系统、设备及存储介质
CN109376582A (zh) * 2018-09-04 2019-02-22 电子科技大学 一种基于生成对抗网络的交互式人脸卡通方法
CN109190579B (zh) * 2018-09-14 2021-11-16 大连交通大学 一种基于对偶学习的生成式对抗网络sigan的签名笔迹鉴定方法
CN109190579A (zh) * 2018-09-14 2019-01-11 大连交通大学 一种基于对偶学习的生成式对抗网络sigan的签名笔迹鉴定方法
CN109584325A (zh) * 2018-10-30 2019-04-05 河北科技大学 一种基于u型周期一致对抗网络的动漫图像的双向色彩化方法
CN109584325B (zh) * 2018-10-30 2020-01-07 河北科技大学 一种基于u型周期一致对抗网络的动漫图像的双向色彩化方法
CN109583474B (zh) * 2018-11-01 2022-07-05 华中科技大学 一种用于工业大数据处理的训练样本生成方法
CN109583474A (zh) * 2018-11-01 2019-04-05 华中科技大学 一种用于工业大数据处理的训练样本生成方法
CN109859113A (zh) * 2018-12-25 2019-06-07 北京奇艺世纪科技有限公司 模型生成方法、图像增强方法、装置及计算机可读存储介质
CN109741244A (zh) * 2018-12-27 2019-05-10 广州小狗机器人技术有限公司 图片生成方法及装置、存储介质及电子设备
CN109726760B (zh) * 2018-12-29 2021-04-16 驭势科技（北京）有限公司 训练图片合成模型的方法及装置
CN109726760A (zh) * 2018-12-29 2019-05-07 驭势科技（北京）有限公司 训练图片合成模型的方法及装置
CN110110576A (zh) * 2019-01-03 2019-08-09 北京航空航天大学 一种基于孪生语义网络的交通场景热红外语义生成方法
CN109800732B (zh) * 2019-01-30 2021-01-15 北京字节跳动网络技术有限公司 用于生成漫画头像生成模型的方法和装置
CN109800732A (zh) * 2019-01-30 2019-05-24 北京字节跳动网络技术有限公司 用于生成漫画头像生成模型的方法和装置
CN109800730A (zh) * 2019-01-30 2019-05-24 北京字节跳动网络技术有限公司 用于生成头像生成模型的方法和装置
CN109859295A (zh) * 2019-02-01 2019-06-07 厦门大学 一种特定动漫人脸生成方法、终端设备及存储介质
CN109934117A (zh) * 2019-02-18 2019-06-25 北京联合大学 基于生成对抗网络的行人重识别检测方法
CN109934117B (zh) * 2019-02-18 2021-04-27 北京联合大学 基于生成对抗网络的行人重识别检测方法
CN109902615A (zh) * 2019-02-25 2019-06-18 中国计量大学 一种基于对抗网络的多个年龄段图像生成方法
CN109902615B (zh) * 2019-02-25 2020-09-29 中国计量大学 一种基于对抗网络的多个年龄段图像生成方法
CN110008846A (zh) * 2019-03-13 2019-07-12 南京邮电大学 一种图像处理方法
CN110008846B (zh) * 2019-03-13 2022-08-30 南京邮电大学 一种图像处理方法
CN110070483A (zh) * 2019-03-26 2019-07-30 中山大学 一种基于生成式对抗网络的人像卡通化方法
CN110070483B (zh) * 2019-03-26 2023-10-20 中山大学 一种基于生成式对抗网络的人像卡通化方法
CN110009044B (zh) * 2019-04-09 2021-09-03 北京七鑫易维信息技术有限公司 一种模型训练方法及装置、图像处理方法及装置
CN110009044A (zh) * 2019-04-09 2019-07-12 北京七鑫易维信息技术有限公司 一种模型训练方法及装置、图像处理方法及装置
CN110084863B (zh) * 2019-04-25 2020-12-25 中山大学 一种基于生成对抗网络的多域图像转换方法与系统
CN110084863A (zh) * 2019-04-25 2019-08-02 中山大学 一种基于生成对抗网络的多域图像转换方法与系统
CN110147830A (zh) * 2019-05-07 2019-08-20 东软集团股份有限公司 训练影像数据生成网络的方法、影像数据分类方法及装置
CN110415308A (zh) * 2019-06-21 2019-11-05 浙江大学 一种基于循环空间转换网络的人脸漫画生成方法
CN110415308B (zh) * 2019-06-21 2021-03-05 浙江大学 一种基于循环空间转换网络的人脸漫画生成方法
CN110414378A (zh) * 2019-07-10 2019-11-05 南京信息工程大学 一种基于异质人脸图像融合特征的人脸识别方法
CN110472528B (zh) * 2019-07-29 2021-09-17 江苏必得科技股份有限公司 一种地铁环境目标训练集生成方法及系统
CN110472528A (zh) * 2019-07-29 2019-11-19 江苏必得科技股份有限公司 一种地铁环境目标训练集生成方法及系统
CN110503601A (zh) * 2019-08-28 2019-11-26 上海交通大学 基于对抗网络的人脸生成图片替换方法及系统
CN110633698A (zh) * 2019-09-30 2019-12-31 上海依图网络科技有限公司 基于循环生成对抗网络的红外图片识别方法、设备及介质
CN112861578A (zh) * 2019-11-27 2021-05-28 四川大学 一种基于自注意力机制的从人眼生成人脸的方法
CN112861578B (zh) * 2019-11-27 2023-07-04 四川大学 一种基于自注意力机制的从人眼生成人脸的方法
CN111179228A (zh) * 2019-12-16 2020-05-19 浙江大学 一种基于深度学习的单能ct能谱成像方法
CN111260545A (zh) * 2020-01-20 2020-06-09 北京百度网讯科技有限公司 生成图像的方法和装置
CN111275784A (zh) * 2020-01-20 2020-06-12 北京百度网讯科技有限公司 生成图像的方法和装置
CN113498526A (zh) * 2020-02-05 2021-10-12 谷歌有限责任公司 使用可解释变换参数的图像变换
CN111369428A (zh) * 2020-03-09 2020-07-03 北京百度网讯科技有限公司 虚拟头像生成方法和装置
CN111489287A (zh) * 2020-04-10 2020-08-04 腾讯科技（深圳）有限公司 图像转换方法、装置、计算机设备和存储介质
CN111489287B (zh) * 2020-04-10 2024-02-09 腾讯科技（深圳）有限公司 图像转换方法、装置、计算机设备和存储介质
CN113486688A (zh) * 2020-05-27 2021-10-08 海信集团有限公司 一种人脸识别方法及智能设备
CN111667400A (zh) * 2020-05-30 2020-09-15 温州大学大数据与信息技术研究院 一种基于无监督学习的人脸轮廓特征风格化生成方法
CN111738910A (zh) * 2020-06-12 2020-10-02 北京百度网讯科技有限公司 一种图像处理方法、装置、电子设备和存储介质
CN111753137A (zh) * 2020-06-29 2020-10-09 四川长虹电器股份有限公司 一种基于语音特征的视频搜索方法
CN111753137B (zh) * 2020-06-29 2022-05-03 四川长虹电器股份有限公司 一种基于语音特征的视频搜索方法
CN112561786A (zh) * 2020-12-22 2021-03-26 作业帮教育科技（北京）有限公司 基于图像卡通化的在线直播方法、装置和电子设备
CN112308770A (zh) * 2020-12-29 2021-02-02 北京世纪好未来教育科技有限公司 人像转换模型生成方法及人像转换方法
CN112308770B (zh) * 2020-12-29 2021-03-30 北京世纪好未来教育科技有限公司 人像转换模型生成方法及人像转换方法
RU2817316C2 (ru) * 2021-02-02 2024-04-15 Биго Текнолоджи Пте. Лтд. Способ и устройство для обучения модели генерирования изображений, способ и устройство для генерирования изображений и их устройства
WO2022166797A1 (zh) * 2021-02-02 2022-08-11 百果园技术(新加坡)有限公司 图像生成模型的训练方法、生成方法、装置及设备
CN113177556A (zh) * 2021-03-18 2021-07-27 作业帮教育科技（北京）有限公司 一种文本图像增强模型、训练方法、增强方法及电子设备
CN113361357A (zh) * 2021-05-31 2021-09-07 北京达佳互联信息技术有限公司 图像处理模型训练方法、图像处理方法及装置
CN113822976A (zh) * 2021-06-08 2021-12-21 腾讯科技（深圳）有限公司 生成器的训练方法及装置、存储介质和电子装置
CN113436059A (zh) * 2021-06-25 2021-09-24 北京房江湖科技有限公司 图像处理方法和存储介质
CN113706646A (zh) * 2021-06-30 2021-11-26 酷栈(宁波)创意科技有限公司 用于生成山水画的数据处理方法
CN113570689A (zh) * 2021-07-28 2021-10-29 杭州网易云音乐科技有限公司 人像卡通化方法、装置、介质和计算设备
CN113570689B (zh) * 2021-07-28 2024-03-01 杭州网易云音乐科技有限公司 人像卡通化方法、装置、介质和计算设备
CN113838159B (zh) * 2021-09-14 2023-08-04 上海任意门科技有限公司 用于生成卡通图像的方法、计算设备和存储介质
CN113838159A (zh) * 2021-09-14 2021-12-24 上海任意门科技有限公司 用于生成卡通图像的方法、计算设备和存储介质
CN116630140A (zh) * 2023-03-31 2023-08-22 南京信息工程大学 一种基于条件生成对抗网络的动漫人像真人化的实现方法、设备及介质
CN116777733A (zh) * 2023-04-25 2023-09-19 成都信息工程大学 基于生成对抗网络的人脸隐私保护方法

Also Published As

Publication number Publication date
CN107577985B (zh) 2019-10-15

Similar Documents

Publication Publication Date Title
CN107577985B (zh) 基于循环生成对抗网络的人脸头像卡通化的实现方法
Fang et al. A Method for Improving CNN-Based Image Recognition Using DCGAN.
Khalid et al. Oc-fakedect: Classifying deepfakes using one-class variational autoencoder
Dolhansky et al. The deepfake detection challenge (dfdc) dataset
CN109544442B (zh) 基于双重对抗的生成式对抗网络的图像局部风格迁移方法
Li et al. Linestofacephoto: Face photo generation from lines with conditional self-attention generative adversarial networks
Mechrez et al. Photorealistic style transfer with screened poisson equation
WO2019015466A1 (zh) 人证核实的方法及装置
CN109685724A (zh) 一种基于深度学习的对称感知人脸图像补全方法
CN110414350A (zh) 基于注意力模型的双路卷积神经网络的人脸防伪检测方法
CN109034012A (zh) 基于动态图像和视频子序列的第一人称视角手势识别方法
Bushra et al. Crime investigation using DCGAN by Forensic Sketch-to-Face Transformation (STF)-A review
Luo et al. Research on data augmentation for object detection based on X-ray security inspection picture
Narvaez et al. Painting authorship and forgery detection challenges with ai image generation algorithms: Rembrandt and 17th century dutch painters as a case study
Arora et al. A review of techniques to detect the GAN-generated fake images
CN111291780B (zh) 一种跨域网络训练及图像识别方法
Chen et al. Fresh tea sprouts detection via image enhancement and fusion SSD
CN111368763A (zh) 基于头像的图像处理方法、装置及计算机可读存储介质
CN115035052A (zh) 一种基于身份差异量化的伪造换脸图像检测方法和系统
Zhu et al. A novel simple visual tracking algorithm based on hashing and deep learning
CN113807237A (zh) 活体检测模型的训练、活体检测方法、计算机设备及介质
Liu et al. Recent Advances of Generative Adversarial Networks
Liu et al. Fabric defect detection using fully convolutional network with attention mechanism
Zhong et al. Digital recognition of street view house numbers based on DCGAN
Zhang et al. DNN-CBAM: An enhanced DNN model for facial emotion recognition

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant