[发明专利]人脸转换模型训练方法、装置、设备及介质

权利要求书

1.一种人脸转换模型训练方法，其特征在于，所述方法包括：

获取人脸图像集；所述人脸图像集包括多个不同人物的人脸图像；

执行下述迭代操作：

S101，在所述人脸图像集中随机选取一个人脸图像输入至预设的人脸转换神经网络中，提取特征向量，执行S102；

S102，基于所述特征向量和所述人脸转换神经网络中保存的目标人脸图像，生成换脸图像，执行S103；

S103，计算与所述换脸图像和所述目标人脸图像的损失值，执行S104；

S104，判断所述损失值是否达到预设条件；若是，则执行S107；若否，则执行S105；

S105，基于损失值调整所述人脸转换神经网络的参数，执行S106；

S106，在剩余的人脸图像中随机选取一个人脸图像，输入至调整过参数的人脸转换神经网络中，提取特征向量，执行S102；

S107，生成人脸转换模型；其中所述预设的人脸转换神经网络由通用编码器和多个解码器构成。

2.根据权利要求1所述的方法，其特征在于，所述人脸转换神经网络中保存有多个解码器；

所述基于所述特征向量和所述人脸转换神经网络中保存的目标人脸图像，生成换脸图像，包括：

将所述特征向量分别输入至解码器中；

基于每一个所述解码器中保存的目标人脸图像和所述特征向量，生成多个换脸图像；其中，每一个解码器中保存的目标人脸图像为不同目标人物的人脸图像。

3.根据权利要求1所述的方法，其特征在于，所述人脸转换神经网络中保存有多个解码器；所述换脸图像与所述解码器一一对应；

所述计算与所述换脸图像和所述目标人脸图像的损失值，包括：

针对每一个解码器，计算该解码器对应的换脸图像与该解码器中保存的目标人脸图像的损失值。

4.根据权利要求3所述的方法，其特征在于，所述人脸转换神经网络包括通用编码器；

所述基于损失值调整所述人脸转换神经网络的参数，包括：

计算得到每一个所述解码器得到的损失值后，使用所述损失值调整该损失值对应的解码器参数，并基于每一个所述解码器得到的损失值调整所述通用编码器参数。

5.根据权利要求1所述的方法，其特征在于，所述人脸转换神经网络设计有多个损失函数；

所述损失函数至少包括生成对抗式网络损失函数GAN LOSS、一点绝对损失函数L1LOSS、视觉几何组损失函数VGG LOSS。

6.根据权利要求5所述的方法，其特征在于，所述计算与所述换脸图像和所述目标人脸图像的损失值，包括：

使用所述GAN LOSS判断所述换脸图像与所述目标人脸图像是否一致；

使用所述L1 LOSS对所述换脸图像与所述目标人脸图像进行逐像素做差后，对所得到的差值进行求和；

使用所述VGG LOSS对所述换脸图像和所述目标人脸图像进行对比。

7.根据权利要求5所述的方法，其特征在于，所述基于损失值调整所述人脸转换神经网络的参数，包括：

依次根据所述多个损失函数得到的损失值，调整所述人脸转换神经网络的参数。