人臉圖像合成與分析是近年來機(jī)器學(xué)習(xí)和計算機(jī)視覺領(lǐng)域最熱門的研究方向之一。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,人臉圖像合成與分析技術(shù)取得了巨大突破。例如,當(dāng)前人臉圖像合成算法①經(jīng)可以合成肉眼難辨真假的高清人臉圖像,人臉圖像分析中的人臉識別算法也已經(jīng)在很多場景下超越了人類的準(zhǔn)確率。人臉圖像合成與分析技術(shù)已經(jīng)廣泛地進(jìn)入社會各領(lǐng)域,成為關(guān)系國計民生的重要技術(shù)。然而,目前的人臉圖像合成與分析算法在理論和應(yīng)用上仍然面臨著許多挑戰(zhàn)和問題。比如,高分辨率人臉圖像合成仍然是一個相對困難的任務(wù),人臉圖像的條件合成和編輯也面臨著可控性和多樣性的問題,人臉分析技術(shù)在非受控場景下的魯棒性仍遠(yuǎn)遠(yuǎn)落后于人類,低質(zhì)量人臉圖像的復(fù)原和分析也需要繼續(xù)研究。針對這些挑戰(zhàn),本文以生成模型為基礎(chǔ),從高清人臉圖像合成、人臉圖像條件合成與分析,和人臉圖像復(fù)原三個方面對人臉圖像合成與分析技術(shù)展開研究。本文取得的主要研究成果如下:1.提出了一種自省變分自編碼器模型,用來合成包括人臉圖像在內(nèi)的高分辨率真實圖像。該模型具有類似人類的自省能力,可以自己估計生成樣本和真實數(shù)據(jù)之間的差異并作出改進(jìn)。它為變分自編碼器提供了一種全新的訓(xùn)練方法,以自省的方式聯(lián)合...

【文章頁數(shù)】：177 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 研究內(nèi)容和主要工作
    1.3 論文的組織結(jié)構(gòu)
第2章 研究現(xiàn)狀
    2.1 引言
    2.2 生成模型
        2.2.1 生成對抗網(wǎng)絡(luò)
        2.2.2 變分自編碼器
        2.2.3 其他生成模型
    2.3 條件生成模型
        2.3.1 基于標(biāo)簽的生成模型
        2.3.2 圖像翻譯模型
        2.3.3 圖像復(fù)原模型
    2.4 人臉圖像分析技術(shù)
        2.4.1 人臉屬性預(yù)測技術(shù)
        2.4.2 人臉識別技術(shù)
    2.5 小結(jié)
第3章 基于自省對抗的高清人臉圖像合成
    3.1 引言
    3.2 背景知識
    3.3 自省變分自編碼器
        3.3.1 對抗式分布學(xué)習(xí)
        3.3.2 自省式變分推斷
        3.3.3 模型訓(xùn)練細(xì)節(jié)
    3.4 實驗結(jié)果與分析
        3.4.1 數(shù)據(jù)集和協(xié)議
        3.4.2 合成結(jié)果及分析
        3.4.3 訓(xùn)練穩(wěn)定性和速度分析
        3.4.4 隱空間和最近鄰分析
    3.5 小結(jié)
第4章 基于變分表達(dá)的人臉圖像合成與分析
    4.1 引言
    4.2 相關(guān)工作
        4.2.1 變分自編碼器
        4.2.2 解耦表達(dá)學(xué)習(xí)
        4.2.3 人臉屬性預(yù)測與合成
        4.2.4 異質(zhì)人臉識別
    4.3 基于變分表達(dá)的人臉屬性預(yù)測與合成
        4.3.1 基準(zhǔn)模型設(shè)計
        4.3.2 互信息解耦表達(dá)
        4.3.3 自省對抗學(xué)習(xí)
        4.3.4 模型訓(xùn)練細(xì)節(jié)
        4.3.5 預(yù)測和采樣
    4.4 基于變分表達(dá)的異質(zhì)人臉識別
        4.4.1 Wasserstein卷積神經(jīng)網(wǎng)絡(luò)
        4.4.2 解耦變分表達(dá)
        4.4.3 異質(zhì)人臉識別網(wǎng)絡(luò)
        4.4.4 模型訓(xùn)練細(xì)節(jié)
    4.5 實驗結(jié)果與分析
        4.5.1 人臉屬性預(yù)測與合成
        4.5.2 異質(zhì)人臉識別
    4.6 小結(jié)
第5章 基于小波變換的人臉圖像復(fù)原
    5.1 引言
    5.2 小波域超分辨率卷積神經(jīng)網(wǎng)絡(luò)
        5.2.1 小波變換分析
        5.2.2 損失函數(shù)設(shè)計
        5.2.3 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        5.2.4 模型訓(xùn)練細(xì)節(jié)
    5.3 小波域超分辨率生成對抗網(wǎng)絡(luò)
        5.3.1 損失函數(shù)設(shè)計
        5.3.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        5.3.3 模型訓(xùn)練細(xì)節(jié)
    5.4 小波域深度變焦網(wǎng)絡(luò)
        5.4.1 深度變焦人臉數(shù)據(jù)集
        5.4.2 小波域深度變焦算法
    5.5 實驗結(jié)果與分析
        5.5.1 人臉圖像超分辨率
        5.5.2 手機(jī)人臉圖像復(fù)原
    5.6 小結(jié)
第6章 總結(jié)和展望
    6.1 本文工作總結(jié)
    6.2 本文工作展望
參考文獻(xiàn)
作者簡歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果
致謝



本文編號：3984256