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 PDF

Info

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
Application number
CN201810036975.8A
Other languages
English (en)
Inventor
李源
周科
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.)
Hangzhou Digital Peak Technology Co Ltd
Chengdu Rui Code Technology Co Ltd
Original Assignee
Hangzhou Digital Peak Technology Co Ltd
Chengdu Rui Code Technology Co Ltd
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 Hangzhou Digital Peak Technology Co Ltd, Chengdu Rui Code Technology Co Ltd filed Critical Hangzhou Digital Peak Technology Co Ltd
Priority to CN201810036975.8A priority Critical patent/CN108171769A/zh
Publication of CN108171769A publication Critical patent/CN108171769A/zh
Pending legal-status Critical Current

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

一种基于DNA的序列的人脸模型生成方法及人脸生成方法
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。
CN201810036975.8A 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 Pending CN108171769A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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