[发明专利]一种基于预训练生成模型的人脸超分辨方法

权利要求书

1.一种基于预训练生成模型的人脸超分辨方法，其特征在于，包括以下步骤：

步骤一、采集并将低分辨率图像输入至特征提取模块，提取特征信息；

步骤二、将特征信息输入至编码器，得到通道数为输入尺寸8倍的隐式矩阵，隐式矩阵通过分离模块特征分解后获得隐式向量，与人脸标签数据通过级联方式，分别输入至预训练生成模型中，得到生成特征；具体的，将特征信息输入编码器采用的3个卷积模块，，每个卷积模块包括一个步长1的卷积层、激活层和一个步长2的卷积层，前两个卷积模块包括一个3×3×64×2的卷积层、LReLU激活层和一个3×3×64×1的卷积层，最后一个卷积模块包括一个3×3×128×2的卷积层、LReLU激活层和三个（输入尺寸/8）×（输入尺寸/8）×128×1的卷积层，最后输出一个3×128的隐式矩阵，将该隐式矩阵经过特征分解后得到三个隐式向量，，与人脸标签数据通过级联方式，分别输入到预训练的BigGAN模型中的残差模块，该BigGAN模型每一个残差模块中包含一个上采样卷积，都输出得到相应的生成特征，；

步骤三、将生成特征传递给解码器，并融合特征提取模块提取的特征信息，经解码操作后输出目标高分辨率图像；具体的，所述解码器包括解码模块、解码模块、解码模块、解码模块，特征提取模块提取的特征信息输入到解码模块中，输出结果和输入到解码模块中，输出结果和输入到解码模块中，输出结果和输入到解码模块中，最后得到目标分辨率的人脸图；其中，所述的解码器中的前三个解码模块，，包含一个3×3×64×1卷积层、一个LReLU非线性变换层、两个残差单元、一个2倍上采样的亚像素卷积层，所述残差单元包括第一支路和第二支路，第一支路将输入依次通过一个3×3×64×1卷积，一个LReLU非线性变换层和一个3×3×64×1卷积，第二支路将输入直接与第一支路的输出进行相加操作，最后一个解码模块包含一个3×3×3×1的卷积层。

2.如权利要求1所述的一种基于预训练生成模型的人脸超分辨方法，其特征在于，所述特征提取模块由2个3×3×64×1卷积层和6个串联的残差通道注意力单元组成，所述3×3×64×1卷积层，3×3表示卷积核尺寸，64表示卷积核个数，最后一位1表示卷积核的运动步幅；所述残差通道注意力单元包括残差单元和通道注意力单元，所述残差单元提取输入的低分辨率图像的特征，将该特征输入至通道注意力单元获取通道校准系数向量β，将通道校准系数向量β与通道注意力单元的输入特征进行重新校准后作为残差通道注意力单元的输出。

3.如权利要求2所述的一种基于预训练生成模型的人脸超分辨方法，其特征在于，所述通道注意力单元包括全局平均池化层、ReLU非线性变换层、两个卷积层和Sigmoid非线性变换层。