基于深度神经网络的人脸引导填充研究

发布时间：2022-10-15 20:02

　　近年来,深度学习技术的飞速发展与广泛利用使得其在计算机视觉领域取得了极大的成功。基于卷积神经网络的图像填充复原技术是当前图像视觉领域的一个热点话题并取得了许多优异成果。作为研究热点之一,图像填充复原具有广泛的应用场景,例如修复缺失的照片、去除头戴设备如眼镜以及去除风景照片中的杂物等。现有的人脸图像填充算法由于人脸纹理复杂等原因,在人脸清晰度和真实性上仍有欠缺。针对上述问题,以恢复出更为真实、清晰的人脸五官为目标,本文提出了一种基于引导图的人脸填充算法。为更有效的利用引导图,本文首先提出大面积遮挡的人脸关键点检测算法。此关键点检测算法使用多层卷积神经网络,分别提取引导图和遮挡人脸图像的特征信息,并使用空间形变网络,将引导图的特征作类仿射变换。实验结果表明,引导图的利用能为遮挡人脸关键点检测提供有力的引导信息,算法能够准确定位具有大面积遮挡的人脸图像的68个关键点位置。以遮挡人脸的关键点为目标坐标,以清晰引导图的关键点为源坐标,利用移动最小二乘平移算法将引导图形变至与遮挡人脸具有相同姿态的形变引导图。实验结果显示,形变后的引导图由于与遮挡图在人脸部位具有相似的姿态,能为网络提供更具有参考意... 

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
    1.3 本文采用的方法介绍
        1.3.1 深度学习
        1.3.2 卷积神经网络研究现状
        1.3.3 生成对抗网络研究现状
    1.4 本文主要研究内容
第2章 基于引导图的遮挡人脸关键点检测
    2.1 引言
    2.2 相关工作
        2.2.1 空间形变网络
        2.2.2 数据来源及样本生成
    2.3 实现细节及具体训练策略
        2.3.1 基于引导信息的网络结构设计
        2.3.2 损失函数定义
        2.3.3 网络训练策略
    2.4 实验结果及分析
        2.4.1 实验结果及对比分析
        2.4.2 量化结果分析
        2.4.3 模型在实际中的应用
    2.5 本章小结
第3章 基于局部判别网络的人脸填充模型
    3.1 基于U型网络架构的人脸填充模型
        3.1.1 图像获取与图像预处理
        3.1.2 U型网络架构及网络结构设计
        3.1.3 U型网络实验过程及结果
    3.2 基于生成对抗网络的人脸填充模型
        3.2.1 生成对抗网络在人脸填充的应用介绍
        3.2.2 实验结果及分析
    3.3 基于局部判别网络的人脸填充模型
        3.3.1 实验数据及处理
        3.3.2 网络结构设计及具体参数
        3.3.3 损失函数定义
    3.4 实验结果
    3.5 本章小结
第4章 基于形变引导图的人脸填充模型
    4.1 引言
    4.2 引导人脸图像形变
        4.2.1 移动最小二乘算法介绍
        4.2.2 引导图像形变结果
    4.3 实现细节及具体训练策略
        4.3.1 基于VGG-Face的人脸填充模型
        4.3.2 网络输入
        4.3.3 网络结构设计及具体参数
    4.4 实验结果
    4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其他成果
致谢



本文编号：3691946