[发明专利]人脸转换模型训练方法、装置、设备及介质

说明书

本发明实施例提供了人脸转换模型训练方法、装置、设备及介质，本发明实施例通过在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；基于特征向量和人脸转换神经网络中保存的目标人脸图像，生成换脸图像；计算与换脸图像和目标人脸图像的损失值；判断损失值是否达到预设条件；基于损失值调整人脸转换神经网络的参数；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；生成人脸转换模型。能够基于多个不同人物的人脸图像对人脸转换神经网络进行训练，进而能够得到人脸转换模型，该人脸转换模型能够提高人脸转换的处理速度。

技术领域

本发明涉及数字图像处理技术领域，尤其涉及一种人脸转换模型训练方法、装置、设备及介质。

背景技术

人脸转换是计算机视觉领域中一个比较热门的应用，人脸转换一般可以用于视频合成、提供隐私服务、肖像更换或者其他有创新性的应用。

目前，人工智能(Artificial Intelligence，AI)技术在人脸转换上的应用得到了广泛的关注。其中，基于深度换脸(Deepfake)原理，通过训练神经网络模型实现点对点式人脸转换，即，仅能训练神经模型从A转换为B，其中，A和B是不会发生改变的。若A或B发生了改变，神经网络模型就需要重新进行训练学习。

因此，点对点式人脸转换在处理多个不同人脸的时候，处理速度慢，效率低。

发明内容

本发明实施例提供了一种人脸转换模型训练方法、装置、设备及介质，能够基于多个不同人物的人脸图像对人脸转换神经网络进行训练，进而能够得到人脸转换模型，该人脸转换模型能够提高人脸转换的处理速度。

第一方面，本发明实施例提供了一种人脸转换模型训练方法，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。

根据本发明实施例的提供的人脸转换模型训练方法，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。

根据本发明实施例的提供的人脸转换模型训练方法，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：