(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910172625.9
(22)申请日 2019.03.07
(71)申请人 华东理工大学
地址 200237 上海市徐汇区梅陇路130号
(72)发明人 陈志华　陈莉莉　陈若溪　刘潇丽　
刘韵娜　仇隽　胡灼亮　
(51)Int.Cl.
G06T  11/00(2006.01)
G06N  3/08(2006.01)
(54)发明名称一种基于正则化宽度学习网络的人脸素描合成方法(57)摘要本发明提供了一种基于正则化宽度学习系统的人脸素描合成方法，所述方法包括：对人脸照片进行随机卷积特征提取获得特征节点；对提取的特征进行随机卷积特征增强获得增强节点；将特征节点与增强节点串联作为宽度学习网络的输入，并通过连接权重与输出素描相连；采用岭回归算法计算网络的连接权重；通过增量学习算法对宽度网络进行进一步地扩展以提高网络特征提取的能力；最后，采用正则化算法对连接权重进行修正。本发明提供了一种快速人脸素描合成算法，兼顾合成效率与合成质量，使得在实现快速人脸素描合成的同时，获得高质量的人脸
素描。权利要求书2页  说明书7页  附图2页CN 109920021 A 2019.06.21
C N  109920021
A
正则化网络1.一种基于正则化宽度学习网络的人脸素描合成方法，其特征在于，所述人脸素描合成方法包括以下步骤：
提供待合成的人脸照片，并对所述人脸照片进行预处理，获取相应的预处理图像；
随机生成多个第一卷积核，根据所述第一卷积核对所述预处理图像进行特征提取，获取多个特征图；
将所述多个特征图进行拼接，获取所述人脸照片的特征节点；
随机生成多个第二卷积核，根据所述第二卷积核对所述多个特征图进行特征增强，获取多个增强图；
将所述多个增强图进行拼接，获取所述人脸照片的增强节点；
对所述特征节点和所述增强节点进行串联，作为宽度学习网络的输入层；
采用正则化算法对所述宽度学习网络的初始连接权重进行修正，获取相应的修正连接权重；以及
根据所述输入层以及所述修正连接权重，结合所述宽度学习网络的人脸数据库，获取与待合成的人脸照片相对应的人脸素描，其中，所述人脸数据库包括已训练的人脸照片及与所述已训练的人脸照片相对应的人脸素描的数据集。
2.根据权利要求1所述的基于正则化宽度学习网络的人脸素描合成方法，其特征在于，人脸照片的预处理操作包括对所述人脸照片依次进行对齐操作、边缘空白区域裁剪操作，得到经处理后的图像大小为180×200。
3.根据权利要求1所述的基于正则化宽度学习网络的人脸素描合成方法，其特征在于，所述第一卷积核的个数以及所述第二卷积核的个数均为3。
4.根据权利要求1所述的基于正则化宽度学习网络的人脸素描合成方法，其特征在于，根据所述第一卷积核对所述预处理图像进行特征提取，利用logsig函数或tansig函数作非线性映射从而获取所述特征图。
5.根据权利要求1所述的基于正则化宽度学习网络的人脸素描合成方法，其特征在于，根据所述第二卷积核对所述特征图进行特征增强，利用logsig函数或tansig函数作非线性映射从而获取所述增强图。
6.根据权利要求1所述的基于正则化宽度学习网络的人脸素描合成方法，其特征在于，采用岭回归算法获得所述宽度学习网络的初始连接权重W n，其满足如下表达式：W n＝(λI+(A n)T A)-1(A n)T Y
其中，X为输入的已训练的人脸照片，和为随机生成的卷积核，和
为偏置，
和分别为第i幅特征图和第j幅增强图，特征节点Z n＝[Z1，...，Z n]，增强节点H n＝[H1，...，H n]，特征节点与增强节点串联从而获得A n＝[Z n|H n]。
7.根据权利要求6所述的基于正则化宽度学习网络的人脸素描合成方法，其特征在于，当误差大于阈值时，采用增量学习算法来扩展所述宽度学习网络包括以下步骤：随机生成新增的第三卷积核，使用所述第三卷积核对输入的已训练的人脸照片进行特征提取，以获得新增的特征图和新增的特征节点；
随机生成新增的第四卷积核，使用所述第四卷积核对所述新增的特征图进行特征增
权　利　要　求　书1/2页
2
CN 109920021 A

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。