基于生成对抗网络的偏转人脸转正

• 作者: 胡惠雅 盖绍彦 达飞鹏
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 人脸生成 分类器 模式崩溃 生成对抗网络(GAN)
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机技术、自动控制技术
• 页码范围: 116-123,152
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2021.01.014

摘要

为了提高偏转人脸转正的效果,借鉴双通道生成对抗网络(TP-GAN)双通道生成的思想,将原始网络中的深度卷积生成对抗网络(DCGAN)替换成边界均衡生成对抗网络(BEGAN).在传统两者对抗的网络结构中加入判别人脸身份的分类器,形成三者对抗的网络结构.经实验对比可知,与在生成器损失函数中添加约束相比,结构上加入分类器对人脸身份一致性的保持更加有效.TP-GAN存在训练复杂、模式崩溃等难题,使用BEGAN的网络结构,可以避免这些问题,提高训练效率.在Multi-PIE数据集及LFW上的实验结果表明,利用提出的方法能够高效地生成高质量的正面人脸图片,且保留人脸的身份特征.