[发明专利]一种皮肤预测处理方法、装置、设备及存储介质在审

专利信息
申请号: 202110707524.4 申请日: 2021-06-24
公开(公告)号: CN113392791A 公开(公告)日: 2021-09-14
发明(设计)人: 刘兴云;李志阳;齐子铭;罗家祯;陈福兴 申请(专利权)人: 厦门美图之家科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 曹瑞敏
地址: 361000 福建省厦门市*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 皮肤 预测 处理 方法 装置 设备 存储 介质
【权利要求书】:

1.一种皮肤预测处理方法,其特征在于,所述方法包括:

获取当前人脸图像以及目标标签,所述目标标签用于指示预期的皮肤衰老程度;

将所述当前人脸图像以及所述目标标签输入预先训练得到的皮肤预测模型,得到目标人脸图像,其中,所述目标人脸图像的皮肤衰老程度为所述目标标签所指示的皮肤衰老程度,所述皮肤预测模型为全卷积生成对抗网络模型。

2.根据权利要求1所述的方法,其特征在于,所述全卷积生成对抗网络模型包括:编码层、解码层以及编码网络;所述编码层用于对所述当前人脸图像进行编码,所述编码网络用于将所述目标标签编码为特征,所述解码层用于基于所述编码层的编码结果以及所述编码网络编码得到的特征解码得到所述目标人脸图像。

3.根据权利要求1所述的方法,其特征在于,所述目标标签包括:预期的皮肤衰老程度小于所述当前人脸图像的皮肤衰老程度的标签,或者,预期的皮肤衰老程度大于所述当前人脸图像的皮肤衰老程度的标签。

4.根据权利要求1-3任一项所述的方法,其特征在于,所述将所述当前人脸图像以及所述目标标签输入预先训练得到的皮肤预测模型,得到目标人脸图像之前,所述方法还包括:

基于训练得到的生成器,生成训练样本,所述生成器基于多个隐向量训练得到;

基于所述训练样本,训练得到所述皮肤预测模型。

5.根据权利要求4所述的方法,其特征在于,所述基于训练得到的生成器,生成训练样本,包括:

采用所述生成器,生成隐向量对应的原始人脸图像;

根据分类器确定所述隐向量中的皮肤衰老方向向量,对所述皮肤衰老方向向量进行编辑操作,得到编辑后的隐向量;

将所述编辑后的隐向量输入所述训练得到的生成器,生成所述原始人脸图像对应的多个衰老程度的多个人脸图像;

将所述原始人脸图像以及所述多个人脸图像作为一组训练样本。

6.根据权利要求4所述的方法,其特征在于,所述基于所述训练样本,训练得到所述皮肤预测模型,包括:

将所述训练样本中的人脸图像转化为具有第一分辨率的人脸图像;

使用具有所述第一分辨率的人脸图像组成的第一新训练样本,训练得到中间预测模型;

将所述训练样本中的人脸图像转化为具有第二分辨率的人脸图像;

使用具有所述第二分辨率的人脸图像组成的第二新训练样本,对所述中间预测模型进行训练,得到所述皮肤预测模型,所述第二分辨率大于所述第一分辨率。

7.根据权利要求4所述的方法,其特征在于,所述基于所述训练样本,训练得到所述皮肤预测模型之前,还包括:

对所述训练样本进行变换处理,所述变换处理包括如下至少一种:翻转、旋转、平移、仿射变换、曝光、调整对比度。

8.一种皮肤预测处理装置,其特征在于,所述装置包括:

获取模块,用于获取当前人脸图像以及目标标签,所述目标标签用于指示预期的皮肤衰老程度;

确定模块,用于将所述当前人脸图像以及所述目标标签输入预先训练得到的皮肤预测模型,得到目标人脸图像,其中,所述目标人脸图像的皮肤衰老程度为所述目标标签所指示的皮肤衰老程度,所述皮肤预测模型为全卷积生成对抗网络模型。

9.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1-7任一项所述皮肤预测处理方法的步骤。

10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1-7任一项所述皮肤预测处理方法的步骤。

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厦门美图之家科技有限公司,未经厦门美图之家科技有限公司许可,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/202110707524.4/1.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