[发明专利]发型迁移模型训练方法、发型迁移方法及相关装置在审

专利信息
申请号: 202110409682.1 申请日: 2021-04-16
公开(公告)号: CN113191404A 公开(公告)日: 2021-07-30
发明(设计)人: 陈仿雄 申请(专利权)人: 深圳数联天下智能科技有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46;G06N3/04;G06N3/08
代理公司: 暂无信息 代理人: 暂无信息
地址: 518000 广东省深圳市南山区粤海街道高*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 发型 迁移 模型 训练 方法 相关 装置
【说明书】:

本申请提供发型迁移模型训练方法、发型迁移方法及相关装置,其中,发型迁移模型训练方法包括:获取样本发型图像和所样本参考发型图像;对样本发型图像和样本参考发型图像进行特征提取和特征融合,得到样本融合特征图像;对样本融合特征图像进行特征还原,以得到样本迁移发型图像;将样本迁移发型图像输入至图像判别模型和发型预测模型,以得到判别结果和发型预测结果;基于样本迁移发型图像和样本发型图像,以及,发型预测结果和样本参考发型图像中的发型,以及判别结果,对发型迁移模型、图像判别模型以及发型预测模型进行迭代调参,直至发型迁移模型、图像判别模型以及发型预测模型均收敛。该技术方案可以使虚拟美发的融合效果更自然。

技术领域

本申请涉及图像处理领域,尤其涉及发型迁移模型训练方法、发型迁移方法及相关装置。

背景技术

美容美发是在用户行为中一种目标较为常见的行为,在进行美容美发之前,许多用户希望看到自己美容美发后的形象,因此,一些基于图像处理技术的虚拟美发应用应运而生。

在目前的虚拟美发应用中,在获取到待美发图像后,通过分割算法先从待美发图像中分割出头发区域,然后将模板中的模板发型迁移至头发区域,即用美发模板中的模板发型替换头发区域中的发型,并将模板发型与待美发图像中除头发区域以外的其他区域进行融合,得到美发后的效果图。这种方式过度依赖模板,融合效果较生硬。

发明内容

本申请提供发型迁移模型训练方法、发型迁移方法及相关装置,以解决现有虚拟美发技术融合效果较生硬的问题。

第一方面,提供一种发型迁移模型训练方法,其中,发型迁移模型包括特征提取模块、特征融合模块以及特征还原模块,该方法包括如下步骤:

获取样本发型图像和上述样本发型图像对应的样本参考发型图像,其中,上述样本参考发型图像中的发型不同于上述样本发型图像中的发型;

通过上述特征提取模块分别对上述样本发型图像和上述样本参考发型图像进行特征提取,以得到第一样本特征图像和第二样本特征图像;

通过上述特征融合模块将上述第一样本特征图像与上述第二样本特征图像进行特征融合,得到样本融合特征图像;

通过上述特征还原模块对上述样本融合特征图像进行特征还原,以得到上述样本发型图像对应的样本迁移发型图像;

将上述样本迁移发型图像输入至图像判别模型,以得到上述样本迁移发型图像的判别结果,上述判别结果用于指示上述样本迁移发型图像为真实样本发型图像的可能性;

将上述样本迁移发型图像输入至发型预测模型,以得到上述样本迁移发型图像的发型预测结果;

基于上述样本迁移发型图像和上述样本发型图像,以及,上述发型预测结果和上述样本参考发型图像中的发型,以及上述判别结果,对上述发型迁移模型、上述图像判别模型以及上述发型预测模型进行迭代调参,直至上述发型迁移模型、上述图像判别模型以及上述发型预测模型均收敛;

将收敛后的发型迁移模型确定为目标发型迁移模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳数联天下智能科技有限公司,未经深圳数联天下智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110409682.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top