CN108171769A - 一种基于dna的序列的人脸模型生成方法及人脸生成方法 - Google Patents
一种基于dna的序列的人脸模型生成方法及人脸生成方法 Download PDFInfo
- Publication number
- CN108171769A CN108171769A CN201810036975.8A CN201810036975A CN108171769A CN 108171769 A CN108171769 A CN 108171769A CN 201810036975 A CN201810036975 A CN 201810036975A CN 108171769 A CN108171769 A CN 108171769A
- Authority
- CN
- China
- Prior art keywords
- dna
- faceform
- network model
- gene order
- sequence based
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Abstract
本发明公开了一种基于DNA的序列的人脸模型生成方法及人脸生成方法,人脸模型生成方法该包括以下步骤:获取DNA序列及DNA序列对应的人脸图像;提取DNA序列中与长相相关的基因序列;将步骤B中得到的基因序列作为网络模型的输入,对应的人脸图像作为网络模型的输出得到人工神经网络。其通过提取与长相相关的基因序列训练网络模型,为人脸生成提供另一种途径,且其准确度高。
Description
技术领域
本发明涉及人脸生成技术领域,具体涉及一种基于DNA的序列的人脸模型生成方法及人脸生成方法。
背景技术
近年来,随着大数据技术的深入发展,生物特征识别成为信息安全领域的重要研究方向,作为生物特征识别中最活跃的分支,人脸识别在今年来焕发了勃勃生机。现有技术中,人脸识别的前提是需要有人脸图像。人脸图像的生成现有方法很多,譬如:基于图像。但是,现有生成方法的准确度不高。
发明内容
本发明为了解决上述技术问题提供一种基于DNA的序列的人脸模型生成方法及人脸生成方法。
本发明通过下述技术方案实现:
一种基于DNA的序列的人脸模型生成方法,包括以下步骤:
A、获取DNA序列及DNA序列对应的人脸图像;
B、提取DNA序列中与长相相关的基因序列;
C、将步骤B中得到的基因序列作为网络模型的输入,对应的人脸图像作为网络模型的输出得到人工神经网络。
DNA是产生一条多肽链或功能RNA所需的全部核苷酸序列。基因支持着生命的基本构造和性能。储存着生命的种族、血型、孕育、生长、凋亡等过程的全部信息。研究表明有部分DNA与人类长相相关。因此,在DNA和人类长相之间存在一定的关联性。本方案通过提取与长相相关的基因序列训练网络模型,为人脸生成提供另一种途径,且其准确度高。现有的网络模型GAN输入噪音生成人脸,本方案利用DNA序列代替噪音。
作为优选,所述与长相相关的基因序列包括PRDM16、PAX3、TP63、C5orf50、COL17A1中至少一个。经研究表明,上述基因序列与人长相相关度较大,因此,采用上述基因序列可大大提高人脸生成的准确度。
作为优选,所述网络模型为生成对抗网络模型。网络模型基本架构选择IanJ.Goodfellow博士在2014年提出的最为经典的生成对抗网络模型。在这个模型的基础上,针对DNA数据的特征,对生成网络和对抗网络的构建进行定制。从而使得生成网络能够充分地学习到高维度人脸数据的分布特征,同时建立起DNA数据与人脸特征的关系。最终使得在输入DNA数据的时候能够生成对应的人脸。
作为优选,所述网络模型为:
其中,x代表真实的人脸数据,d代表与人脸高度相关的基因数据,z则是随机噪音,G为生成模型,D为判别模型,E为期望。
一种基于DNA的序列的人脸生成方法,包括以下步骤:
提取DNA序列中与长相相关的基因序列;
将该基因序列输入到由上述方法生成的人脸模型中得到人脸图像。
本发明与现有技术相比,具有如下的优点和有益效果:
1、本发明通过提取与长相相关的基因序列训练网络模型,为人脸生成提供另一种途径,且其准确度高。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。
图1为生成对抗网络模型的构建过程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
一种基于DNA的序列的人脸模型生成方法,包括以下步骤:
A、获取DNA序列及DNA序列对应的人脸图像;
B、提取DNA序列中与长相相关的基因序列;
C、将步骤B中得到的基因序列作为网络模型的输入,对应的人脸图像作为网络模型的输出得到人工神经网络。
实施例2
基因上述实施例的原理,本实施例举一详细实施过程予以说明。
A、获取DNA序列及DNA序列对应的人脸图像,该DNA序列对应的人脸图像可以是多张,样本数量越多,其生成人脸的准确度越高。
B、提取DNA序列中与长相相关的基因序列。具体的,可提取PRDM16、PAX3、TP63、C5orf50、COL17A1基因序列中至少一个,其可通过多种方式获得。
C、将步骤B中得到的基因序列作为网络模型的输入,对应的人脸图像作为网络模型的输出得到人工神经网络,建立起了基因序列与人脸特征之间的关系。
网络模型为生成对抗网络模型。具体的可采用下列网络模型实现:
其中,x代表真实的人脸数据,d代表与人脸高度相关的基因数据,z则是随机噪音,G为生成模型,D为判别模型,E为期望。如图1所示。
实施例3
一种基于DNA的序列的人脸生成方法,包括以下步骤:
提取DNA序列中与长相相关的基因序列;
将该基因序列输入到由实施例1和2的方法生成的人脸模型中得到人脸图像。该步骤中的人脸模型为已经训练并具有良好精度,输出的人脸图像根据需要,可以是2D或者3D。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于DNA的序列的人脸模型生成方法,其特征在于,包括以下步骤:
A、获取DNA序列及DNA序列对应的人脸图像;
B、提取DNA序列中与长相相关的基因序列;
C、将步骤B中得到的基因序列作为网络模型的输入,对应的人脸图像作为网络模型的输出得到人工神经网络。
2.根据权利要求1所述的一种基于DNA的序列的人脸模型生成方法,其特征在于,所述与长相相关的基因序列包括PRDM16、PAX3、TP63、C5orf50、COL17A1中至少一个。
3.根据权利要求1所述的一种基于DNA的序列的人脸模型生成方法,其特征在于,所述网络模型为生成对抗网络模型。
4.根据权利要求1所述的一种基于DNA的序列的人脸模型生成方法,其特征在于,所述网络模型为:
其中,x代表真实的人脸数据,d代表与人脸高度相关的基因数据,z则是随机噪音,G为生成模型,D为判别模型,E为期望。
5.一种基于DNA的序列的人脸生成方法,其特征在于,包括以下步骤:
提取DNA序列中与长相相关的基因序列;
将该基因序列输入到由权利要求1至4任一的方法生成的人脸模型中得到人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810036975.8A CN108171769A (zh) | 2018-01-15 | 2018-01-15 | 一种基于dna的序列的人脸模型生成方法及人脸生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810036975.8A CN108171769A (zh) | 2018-01-15 | 2018-01-15 | 一种基于dna的序列的人脸模型生成方法及人脸生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108171769A true CN108171769A (zh) | 2018-06-15 |
Family
ID=62514410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810036975.8A Pending CN108171769A (zh) | 2018-01-15 | 2018-01-15 | 一种基于dna的序列的人脸模型生成方法及人脸生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108171769A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109151443A (zh) * | 2018-10-15 | 2019-01-04 | Oppo广东移动通信有限公司 | 高舒适度立体视频生成方法、系统及终端设备 |
CN111210872A (zh) * | 2020-01-13 | 2020-05-29 | 北京奇云诺德信息科技有限公司 | 一种基于基因数据人脸画像和人脸识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258147A (zh) * | 2013-05-24 | 2013-08-21 | 重庆邮电大学 | 一种基于gpu的并行演化超网络dna微阵列基因数据分类系统及方法 |
WO2014169346A1 (en) * | 2013-04-19 | 2014-10-23 | Commonwealth Scientific And Industrial Research Organisation | System and method of tracking an object |
CN105608295A (zh) * | 2016-01-29 | 2016-05-25 | 杭州电子科技大学 | 焦化炉压力的多目标遗传算法与rbf神经网络优化建模方法 |
CN106021990A (zh) * | 2016-06-07 | 2016-10-12 | 广州麦仑信息科技有限公司 | 一种将生物基因以特定的性状进行分类与自我识别的方法 |
US20170200265A1 (en) * | 2016-01-11 | 2017-07-13 | Kla-Tencor Corporation | Generating simulated output for a specimen |
-
2018
- 2018-01-15 CN CN201810036975.8A patent/CN108171769A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014169346A1 (en) * | 2013-04-19 | 2014-10-23 | Commonwealth Scientific And Industrial Research Organisation | System and method of tracking an object |
CN103258147A (zh) * | 2013-05-24 | 2013-08-21 | 重庆邮电大学 | 一种基于gpu的并行演化超网络dna微阵列基因数据分类系统及方法 |
US20170200265A1 (en) * | 2016-01-11 | 2017-07-13 | Kla-Tencor Corporation | Generating simulated output for a specimen |
CN105608295A (zh) * | 2016-01-29 | 2016-05-25 | 杭州电子科技大学 | 焦化炉压力的多目标遗传算法与rbf神经网络优化建模方法 |
CN106021990A (zh) * | 2016-06-07 | 2016-10-12 | 广州麦仑信息科技有限公司 | 一种将生物基因以特定的性状进行分类与自我识别的方法 |
Non-Patent Citations (2)
Title |
---|
GOODFELLOW ET AL: "Generative Adversarial Nets", 《28TH CONFERENCE ON NEURAL INFORMATION PROCESSING SYSTEMS (NIPS)》 * |
LIPPERT ET AL: "Identification of individuals by trait prediction using whole-genome sequencing data", 《PROCEEDINGS OF THE NATIONAL ACADEMY OF SCIENCES OF THE UNITED STATES OF AMERICA》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109151443A (zh) * | 2018-10-15 | 2019-01-04 | Oppo广东移动通信有限公司 | 高舒适度立体视频生成方法、系统及终端设备 |
CN111210872A (zh) * | 2020-01-13 | 2020-05-29 | 北京奇云诺德信息科技有限公司 | 一种基于基因数据人脸画像和人脸识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292813B (zh) | 一种基于生成对抗网络的多姿态人脸生成方法 | |
CN108010514B (zh) | 一种基于深度神经网络的语音分类方法 | |
CN106202997B (zh) | 一种基于深度学习的细胞分裂检测方法 | |
Zhang et al. | A convolutional neural network for leaves recognition using data augmentation | |
CN109639710B (zh) | 一种基于对抗训练的网络攻击防御方法 | |
CN105069400B (zh) | 基于栈式稀疏自编码的人脸图像性别识别系统 | |
CN112308158A (zh) | 一种基于部分特征对齐的多源领域自适应模型及方法 | |
CN104778448A (zh) | 一种基于结构自适应卷积神经网络的人脸识别方法 | |
CN107609572A (zh) | 基于神经网络和迁移学习的多模态情感识别方法、系统 | |
CN109344759A (zh) | 一种基于角度损失神经网络的亲属识别方法 | |
CN106503661B (zh) | 基于烟花深度信念网络的人脸性别识别方法 | |
CN105095857B (zh) | 基于关键点扰动技术的人脸数据增强方法 | |
CN113870289B (zh) | 一种解耦分治的面神经分割方法和装置 | |
CN103034847B (zh) | 一种基于隐马尔可夫模型的人脸识别方法 | |
CN105631416A (zh) | 采用新型密度聚类进行人脸识别的方法 | |
CN103886235B (zh) | 一种正面人脸图像生物密钥生成方法 | |
CN106778785A (zh) | 构建图像特征提取模型的方法及图像识别的方法、装置 | |
CN105809201A (zh) | 一种生物启发式自主提取图像语义概念的识别方法及装置 | |
Witzmann et al. | Reconstruction of cranial and hyobranchial muscles in the Triassic temnospondyl Gerrothorax provides evidence for akinetic suction feeding | |
CN108171769A (zh) | 一种基于dna的序列的人脸模型生成方法及人脸生成方法 | |
Zheng et al. | Generative adversarial network with multi-branch discriminator for imbalanced cross-species image-to-image translation | |
CN109829901A (zh) | 一种基于卷积神经网络的真菌性角膜炎检测方法及系统 | |
CN106022293B (zh) | 一种基于自适应共享小生境进化算法的行人再识别方法 | |
CN107507199A (zh) | 一种图像分割方法及系统 | |
CN110033077A (zh) | 神经网络训练方法以及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180615 |
|
RJ01 | Rejection of invention patent application after publication |