基于编解码网络的多姿态人脸图像正面化方法-中国科学杂志社.PDF

基基于于编编解解码码网网络络的的多多姿姿态态人人脸脸图图像像正正面面化化方方法法 徐海月, 姚乃明, 彭晓兰, 辉 and 王宏安 Citation: 中国科学: 信息科学; doi: 10.1360/ N112018-00060 View online: /doi/10.1360/ N112018-00060 Published by the 《中国科学》杂志社 AArrttiicclleess yyoouu mmaayy bbee iinntteerreesstteedd iinn 基于交哺网络控制的多无人机协同编队方法研究 SCIENTIA SINICA Technologica 4433, 767 (2013); 一个基于小波包分解的率失真最优化块分割图像编码算法 Science in China Series F-Information Sciences (in Chinese) 3388, 1204 (2008); 基于细胞神经网络的图像分割及其在医学图像中的应用 Science in China Series E-Technological Sciences (in Chinese) 3311, 167 (2001); 基于神经网络技术的星图识别方法 Chinese Science Bulletin 4488, 892 (2003); 基于模糊神经网络的图像恢复技术 Science in China Series E-Technological Sciences (in Chinese) 3322, 541 (2002); 中国科学 信息科学 论文 基于编解码网络的多姿态人脸图像正面化方法 1,2 1,2 1,2 1,2* 1,2,3 徐海月 姚乃明 彭晓兰 陈辉 王宏安 1. 中国科学院软件研究所人机交互北京市重点实验室, 北京100190 2. 中国科学院大学, 北京100049 3. 中国科学院软件研究所计算机科学国家重点实验室, 北京100190 d * 通信作者. E-mail: chenhui@ 国家重点研发计划项目(批准号:2016YFB1001405)、国家自然科学基金项目(批准号: 61661146002)、中国科学院前沿科学重点研究 计划项目(批准号: QYZDY-SSW-JSC041) e 摘要 多姿态人脸图像正面化可以缓解头部姿态变化对人脸分析任务的影响 以往直接从多姿态人 t 脸图像合成正面人脸图像的方法存在细节特征缺失的问题 针对这一问题 本文提出一种基于编解 码网络的多姿态人脸图像正面化方法 多任务卷积编解码网络（ ） 该方法引入正面基础特 征网络合成正面人脸基础特征 并在此基础上融合编码网络提取的多姿态人脸局部特征进行细节补 p 偿 最终合成更加清晰的正面人脸图像 利用多任务学习机制建立端到端模型 统一局部特征提取、 正面基础特征解析、正面图像合成三个模块 通过共享参数提升整个模型的效果 与已有方法对比 在多个数据集上都可以合成结构稳定、细节清晰的正面人脸图像 我们直接使用合成的正 面人脸图像进行人脸识别和表情识别 识别准确率达到先进水平 这表明可以有效保留人脸 e 细节特征 支持人脸分析任务 关键词 人脸正面化 卷积神经网络 编解码网络 多任务学习 人脸识别 表情识别 c 引言 随着人工智能技术的发展 多姿态人脸分析技术逐渐成为研究热点 然而人脸