[发明专利]用于生成头像生成模型的方法和装置

权利要求书

1.一种用于生成头像生成模型的方法，包括：

获取预设的训练样本集合，其中，训练样本包括样本向量，以及与样本向量对应的样本头像；

获取预先建立的初始生成对抗网络，其中，所述初始生成对抗网络包括生成网络和判别网络，所述生成网络用于利用所输入的样本向量生成头像，所述判别网络用于区分所述生成网络输出的头像和输入所述生成网络的样本向量对应的样本头像；

执行如下训练步骤：利用机器学习方法，将训练样本集合中的训练样本包括的样本向量作为生成网络的输入，将生成网络输出的头像、与输入生成网络的样本向量对应的样本头像作为判别网络的输入，对生成网络和判别网络进行训练，将训练后的生成网络确定为头像生成模型，所述头像生成模型用于基于输入该头像生成模型的随机向量生成头像；

在所述将训练后的生成网络确定为头像生成模型之后，所述训练步骤还包括：

对于所述训练样本集合中的训练样本，将该训练样本包括的样本向量输入所生成的头像生成模型，得到头像；

确定用于表征所得到的头像之间的差异程度的差异程度值；

响应于确定所述差异程度值大于等于预设的差异程度阈值，确定所生成的头像生成模型为最终的头像生成模型。

2.根据权利要求1所述的方法，其中，在所述确定用于表征所得到的头像之间的差异程度的差异程度值之后，所述方法还包括：

响应于确定所述差异程度值小于所述差异程度阈值，重新生成训练样本集合；

将所生成的头像生成模型作为初始生成对抗网络，利用重新生成的训练样本集合，重新执行所述训练步骤。

3.根据权利要求2所述的方法，其中，所述重新生成训练样本集合，包括：

对于所述训练样本集合中的训练样本，重新生成该训练样本包括的样本头像对应的样本向量，将重新生成的样本向量和该训练样本包括的样本头像确定为重新生成的训练样本。

4.根据权利要求1所述的方法，其中，所述确定用于表征所得到的头像之间的差异程度的差异程度值，包括：

确定所得到的头像中的头像的特征向量；

基于所确定的特征向量两两之间的距离，确定差异程度值。

5.根据权利要求1-4之一所述的方法，其中，样本向量是随机生成的预设维度的向量。

6.一种用于生成头像的方法，包括：

获取目标向量；

将所述目标向量输入预先训练的头像生成模型，得到与所述目标向量对应的头像及输出，其中，所述头像生成模型是根据权利要求1-5之一所述的方法生成的。

7.根据权利要求6所述的方法，其中，所述目标向量是随机生成的预设维度的向量。

8.一种用于生成头像生成模型的装置，包括：

第一获取单元，被配置成获取预设的训练样本集合，其中，训练样本包括样本向量，以及与样本向量对应的样本头像；

第二获取单元，被配置成获取预先建立的初始生成对抗网络，其中，所述初始生成对抗网络包括生成网络和判别网络，所述生成网络用于利用所输入的样本向量生成头像，所述判别网络用于区分所述生成网络输出的头像和输入所述生成网络的样本向量对应的样本头像；

训练单元，被配置成执行如下训练步骤：利用机器学习方法，将训练样本集合中的训练样本包括的样本向量作为生成网络的输入，将生成网络输出的头像、与输入生成网络的样本向量对应的样本头像作为判别网络的输入，对生成网络和判别网络进行训练，将训练后的生成网络确定为头像生成模型，所述头像生成模型用于基于输入该头像生成模型的随机向量生成头像；

所述训练单元包括：

生成模块，被配置成对于所述训练样本集合中的训练样本，将该训练样本包括的样本向量输入所生成的头像生成模型，得到头像；

第一确定模块，被配置成确定用于表征所得到的头像之间的差异程度的差异程度值；

第二确定模块，被配置成响应于确定所述差异程度值大于等于预设的差异程度阈值，确定所生成的头像生成模型为最终的头像生成模型。