计算机应用

作者：林乐平, 李三凤, 欧阳宁

单位：1. 认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学), 广西 桂林 541004;2. 桂林电子科技大学 信息与通信学院, 广西 桂林 541004

关键词：多幅人脸校正,多姿态特征融合,特征依赖关系,深度学习,生成对抗网络

基金：国家自然科学基金资助项目（61661017）；中国博士后科学基金面上项目（2016M602923XB）；广西自然科学基金资助项目（2017GXNSFBA198212）；广西科技基地和人才专项（AD19110060）；认知无线电与信息处理教育部重点实验室资助项目（CRKL190107，CRKL160104）；桂林电子科技大学研究生教育创新计划项目（2019YCXS022）。

针对人脸校正中单幅图像难以解决大姿态侧脸的问题，提出一种基于多姿态特征融合生成对抗网络（MFFGAN）的人脸校正方法，利用多幅不同姿态侧脸之间的相关信息来进行人脸校正，并采用对抗机制对网络参数进行调整。该方法设计了一种新的网络，包括由多姿态特征提取、多姿态特征融合、正脸合成三个模块组成的生成器，以及用于对抗训练的判别器。多姿态特征提取模块利用多个卷积层提取侧脸图像的多姿态特征；多姿态特征融合模块将多姿态特征融合成包含多姿态侧脸信息的融合特征；而正脸合成模块在进行姿态校正的过程中加入融合特征，通过探索多姿态侧脸图像之间的特征依赖关系来获取相关信息与全局结构，可以有效提高校正结果。实验结果表明，与现有基于深度学习的人脸校正方法相比，所提方法恢复出的正脸图像不仅轮廓清晰，而且从两幅侧脸中恢复出的正脸图像的识别率平均提高了1.9个百分点，并且输入侧脸图像越多，恢复出的正脸图像的识别率越高，表明所提方法可以有效融合多姿态特征来恢复出轮廓清晰的正脸图像。

来源：2020年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第10期