隨著人臉身份識(shí)別技術(shù)的蓬勃發(fā)展,各種大小場(chǎng)景的人臉身份識(shí)別技術(shù)的濫用引起了人們對(duì)于自己身份隱私泄露等問(wèn)題的關(guān)注,出現(xiàn)了有關(guān)人臉去身份識(shí)別的研究。人臉去身份識(shí)別的目的在于盡可能的保存與人身份無(wú)關(guān)的信息如一些重要的生物特征,盡可能的剔除與人身份隱私有關(guān)的信息。本文提出了一種基于GAN的人臉去身份識(shí)別模型,該模型采用VGG網(wǎng)絡(luò)改進(jìn)了 CycleGAN,用于人臉去身份識(shí)別。VGG作為模型的初始化階段訓(xùn)練和重構(gòu)圖像語(yǔ)義損失的訓(xùn)練,用以最大程度的保留輸入數(shù)據(jù)原有的語(yǔ)義內(nèi)容信息。為了使模型生成更高質(zhì)量的圖像,訓(xùn)練模型的判別損失中加入了一項(xiàng)新的模糊對(duì)抗損失,用以生成輪廓和邊緣更清晰的圖像;同時(shí)在模型的上采樣過(guò)程中,采用縮放卷積替換了原有的反卷積操作,解決了圖像生成問(wèn)題中的棋盤效應(yīng)。最后,模型結(jié)合風(fēng)格轉(zhuǎn)換和對(duì)抗攻擊方法以達(dá)到人臉去身份識(shí)別的目的。本文通過(guò)各項(xiàng)改進(jìn)的獨(dú)立測(cè)試與一些現(xiàn)有的模型進(jìn)行對(duì)比實(shí)驗(yàn),驗(yàn)證了該模型的有效性與穩(wěn)定性。 

【文章來(lái)源】：南昌大學(xué)江西省 211工程院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．６棋盤效應(yīng)??

．?第２章相關(guān)理論和開(kāi)源工具???果卷積核的步幅設(shè)計(jì)不合理，那么經(jīng)過(guò)反卷積生成的圖像將會(huì)形成分布均勻的??堆疊，如下圖（步幅為２，尺寸為３）：??ｘ?＼．?？?＼—?ｘ．．．．．．．．．．．．ｘ：．ｚｘ．—＞＿．＾??圖２．５反卷積重疊效應(yīng)??一個(gè)二維的圖像經(jīng)過(guò)如上的反卷積操作，其重疊效應(yīng)是非常的嚴(yán)重的，它??在一個(gè)方形區(qū)域的四個(gè)角落進(jìn)行了四次卷積，其重疊次數(shù)達(dá)３次。即便如此，??這些操作可能不會(huì)嚴(yán)重影響到圖像的質(zhì)量，但在實(shí)際的網(wǎng)絡(luò)構(gòu)建過(guò)程中，通常??存在不止一次的反卷積操作或者，比如在ＣｙｃｌｅＧＡＮ中，就存在兩次反卷積操??作。棋盤效應(yīng)更是多個(gè)維度重疊。這種操作會(huì)極大地影響生成樣本的質(zhì)量，比??如在經(jīng)過(guò)反卷積生成的人臉樣本中，會(huì)生成一些蒙上了柵格般的濾鏡的人臉，??如下圖：??：遞－１??圖２．６棋盤效應(yīng)??２．３．２圖像縮放插值方法??針對(duì)這種現(xiàn)象，早期的研宄人員［３１］通過(guò)設(shè)計(jì)最后一層步幅為１的反卷積操??作，這一操作在減輕棋盤效應(yīng)方面非常有效。從視覺(jué)上來(lái)看，這一操作似乎能??消除一定頻率的棋盤效應(yīng)。但在后續(xù)一些實(shí)驗(yàn)中，棋盤效應(yīng)仍然存在。??另一種解決方法［３２］確保反卷積核的尺寸可以被步幅整除，或者直接設(shè)置成??一致，從而避免卷積重疊問(wèn)題。直觀上來(lái)看，這種方法似乎十分有效，但一旦??放大圖像尺寸可以發(fā)現(xiàn)圖像存在更細(xì)膩的棋盤效應(yīng)，猶如蒙上了一層細(xì)小的柵??格。??１５??

?第２章相關(guān)理論和開(kāi)源工具???另一種解決方法［３３］是先縮放圖像，再對(duì)圖像進(jìn)行卷積。圖像的縮放可采用??的方法講述如下：??關(guān)于最近鄰插值［３４］：存在尺寸為ｎｘｍ源圖像Ａ，尺寸為ＴＶｘＭ的目標(biāo)圖??像Ｂ。以圖像Ａ的左上角像素點(diǎn)坐標(biāo)為原點(diǎn)，Ａ的像素點(diǎn)坐標(biāo)表示為（ｘ，＿ｙ），??目標(biāo)圖像ｂ的每個(gè)像素點(diǎn)坐標(biāo)表示為（ｘ，ｙ），目標(biāo)圖像Ｂ的像素點(diǎn)的坐標(biāo)計(jì)算??公式如下：??Ｂ（Ｘ，Ｙ）?＝?Ａ（Ｘ＊（ｍ／Ｍ），Ｙ＊（ｎ／?Ｎ））?（２．８）??最近鄰插值算法會(huì)使得縮放后的圖像形成嚴(yán)重的像素?cái)鄬樱瑘D像的直觀感??受似乎打上了一層馬賽克；造成這些現(xiàn)象的原因也可以從公式中看出，該方法??造成了嚴(yán)重的圖像失真，因?yàn)橄袼氐淖鴺?biāo)只存在整數(shù)值，當(dāng)計(jì)算坐標(biāo)出現(xiàn)小數(shù)??時(shí)，最近鄰插值采用四舍五入的辦法（為０．５的時(shí)候�。埃�，這種方法十分不??科學(xué)，當(dāng)坐標(biāo)計(jì)算等于０．５，直接取０丟失了圖像的過(guò)渡像素，這會(huì)造成像素??與像素之間存在很大的間斷值。??關(guān)于雙線性插值［３５］：存在源圖像的四個(gè)像素點(diǎn)０１２，０２２，和込，，像??素點(diǎn)的坐標(biāo)值分別用七、ｘ２、乂、凡，像素點(diǎn)的像素值表示為／（０，需要插??入的像素點(diǎn)為Ｐ。如下圖：???一?９，？．??—?９群??ｙ……！?ｉｐ?｜…“??ｙ，…＾?????ｘ，?Ｘ?ｙｇ??圖２．７雙線性插值??首先在ｘ軸方向插入與ｐ同列的尺和＆像素點(diǎn)。盡和＆的插值計(jì)算公式??如下：??ｍ）Ｋ３＾Ｌｍ］）?＋?＾ＬｆｉＱ２］）?（２．９）??ｘ２?－Ｘｊ?ｘ２?－Ｘｊ??１６??

【參考文獻(xiàn)】：
期刊論文
[1]基于生成對(duì)抗網(wǎng)絡(luò)的紅外圖像數(shù)據(jù)增強(qiáng)[J]. 陳佛計(jì),朱楓,吳清瀟,郝穎明,王恩德.  計(jì)算機(jī)應(yīng)用. 2020(07)
[2]基于雙線性插值的內(nèi)容感知圖像縮放算法仿真[J]. 楊麗娟,李利.  計(jì)算機(jī)仿真. 2019(12)
[3]基于廣義Ricci曲率及深度信息的圖像采樣方法[J]. 楊康,賈棋,羅鐘鉉.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2019(06)



本文編號(hào)：2945535