[发明专利]换脸网络模型的训练方法、图像换脸方法及相关设备

权利要求书

1.一种换脸网络模型的训练方法，其特征在于，包括：

获取多个图像样本对，其中，各图像样本对包括原图像样本和所述原图像样本对应的目标图像样本；

针对所述各图像样本，将所述图像样本对中原图像样本和目标图像样本输入至初始换脸网络模型中，从所述目标图像样本中多次提取人脸特征以及从所述原图像样本中多次提取属性特征，以及将多次提取的人脸特征和多次提取的属性特征进行融合，得到所述图像样本对对应的换脸图像样本；

根据所述各图像样本对和所述各图像样本对对应的换脸图像样本，更新所述初始换脸网络模型的网络参数。

2.根据权利要求1所述的方法，其特征在于，所述初始换脸网络模型包括属性特征提取模型、人脸特征提取模型和特征融合模型；

其中，所述从所述目标图像样本中多次提取人脸特征，包括：将所述目标图像样本输入至所述人脸特征提取模型中，从所述目标图像样本中多次提取人脸特征，输出多个人脸特征；

所述从所述原图像样本中多次提取属性特征，包括：将所述原图像样本输入至所述属性特征提取模型中，从所述原图像样本中多次提取属性特征，输出多个属性特征；

所述将多次提取的人脸特征和多次提取的属性特征进行融合，得到所述各图像样本对对应的换脸图像样本，包括：将所述多个属性特征和所述多个人脸特征输入至所述特征融合模型进行融合，得到所述图像样本对对应的换脸图像样本。

3.根据权利要求2所述的方法，其特征在于，所述人脸特征提取模型包括第一下采样网络和第一上采样网络，所述第一下采样网络包括依次连接的多个第一卷积层，所述第一上采样网络包括依次连接的多个第二卷积层；

所述将所述目标图像样本输入至所述人脸特征提取模型中，从所述目标图像样本中多次提取人脸特征，包括：

将所述目标图像样本输入至所述人脸特征提取模型中，通过所述第一下采样网络中的最后一个第一卷积层提取所述目标图像样本中的人脸特征，以及通过所述第一上采样网络中的各第二卷积层分别提取所述目标图像样本中的人脸特征，以多次提取人脸特征。

4.根据权利要求3所述的方法，其特征在于，所述属性特征提取模型包括第二下采样网络和第二上采样网络，所述第二下采样网络包括多个第三卷积层，所述第二上采样网络包括多个第四卷积层；

所述将所述原图像样本输入至所述属性特征提取模型中，从所述原图像样本中多次提取属性特征，包括：

将所述原图像样本输入至所述属性特征提取模型中，通过所述第二下采样网络中的最后一个第三卷积层提取所述原图像样本中的属性特征，以及通过所述第二上采样网络中的各第四卷积层分别提取所述原图像样本中的属性特征，以多次提取属性特征。

5.根据权利要求4所述的方法，其特征在于，所述特征融合模型包括依次连接的一个第一特征融合层和多个第二特征融合层，所述多个第二特征融合层分别与所述多个第二卷积层和所述多个第四卷积层一一对应；

所述将所述多个属性特征和所述多个人脸特征输入至所述特征融合模型进行融合，包括：

通过所述第一特征融合层，将所述最后一个第一卷积层提取的人脸特征和最后一个第三卷积层提取的属性特征进行融合，得到融合图像；

针对各第二特征融合层，将对应的第二卷积层提取的人脸特征和对应的第四卷积层提取的属性特征，以及前一个特征融合层融合的融合图像进行融合，并将最后一个第二特征融合层融合的融合图像确定为所述图像样本对对应的换脸图像样本。

6.根据权利要求2-5任一项所述的方法，其特征在于，所述根据所述各图像样本对和所述各图像样本对对应的换脸图像样本，更新所述初始换脸网络模型的网络参数，包括：

对所述各图像样本对中的目标图像样本进行超分处理，得到所述各图像样本的超分目标图像样本；

对所述各图像样本对对应的换脸图像样本进行超分处理，得到所述各图像样本对对应的超分换脸图像样本；

根据所述各图像样本对的所述超分目标图像样本，和所述超分换脸图像样本，生成所述各图像样本对对应的混合图像样本；

根据所述各图像样本对的所述原图像样本、所述目标图像样本、对应的所述换脸图像样本及所述混合图像样本，更新所述初始换脸网络模型的网络参数。