人臉超分辨率（人臉幻覺(jué)）,是一種從低分辨率人臉圖像恢復(fù)具有高頻細(xì)節(jié)的高分辨率人臉圖像的技術(shù)。該技術(shù)具有重要的學(xué)術(shù)研究和實(shí)際應(yīng)用價(jià)值。深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)領(lǐng)域大顯神通,基于深度學(xué)習(xí)的人臉超分辨率方法也獲得了優(yōu)越的性能,但在網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì),以及對(duì)人臉圖像獨(dú)有的先驗(yàn)知識(shí)的利用等方面仍然存在一些缺陷。第一、現(xiàn)有利用先驗(yàn)知識(shí)的方法,通常先對(duì)低分辨率人臉圖像進(jìn)行超分辨率,得到其中間結(jié)果,然后獲取中間結(jié)果的先驗(yàn)知識(shí),再利用中間結(jié)果和先驗(yàn)知識(shí)做超分辨率,進(jìn)而生成超分辨率結(jié)果。然而,獲取的先驗(yàn)知識(shí)直接依賴于中間結(jié)果的質(zhì)量,一旦中間重建結(jié)果的質(zhì)量差,得到的先驗(yàn)知識(shí)也存在偏差。第二、在自然圖像超分辨率中,通道注意力和空間注意力已經(jīng)被證實(shí)有助于圖像重構(gòu)性能的提升,而人臉圖像作為一種特殊的自然圖像,注意力機(jī)制同樣具有提升人臉超分辨率性能的能力,而現(xiàn)有的人臉超分辨率方法沒(méi)有充分利用注意力機(jī)制。第三、現(xiàn)有人臉超分辨率網(wǎng)絡(luò)通常是先上采樣或后上采樣的結(jié)構(gòu),因而在整個(gè)網(wǎng)絡(luò)中特征圖僅在高分辨率空間或低分辨率空間,特征圖分辨率多樣性低,影響網(wǎng)絡(luò)性能。針對(duì)現(xiàn)有方法存在的問(wèn)題,本文提出兩種人臉超分辨率方法。1)提出一種解析圖指導(dǎo)... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人臉超分辨率算法種類結(jié)構(gòu)圖

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-4-圖1-2人臉先驗(yàn)信息1.2.2.1簡(jiǎn)單人臉圖像超分辨率方法顧名思義，簡(jiǎn)單人臉圖像超分辨率方法，并未考慮任何人臉圖像的輔助信息，包括人臉屬性，先驗(yàn)知識(shí)和身份約束等，僅將人臉圖像數(shù)據(jù)集作為訓(xùn)練集，并依據(jù)人臉圖像設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)。2016年，Yu提出URDGN[20]搭建了一個(gè)生成對(duì)抗網(wǎng)絡(luò)來(lái)對(duì)像素為16×16的人臉低分辨率圖像進(jìn)行超分辨率。接著2017年，Yu在URDGN上做了進(jìn)一步改進(jìn)，提出了對(duì)低分辨率噪聲未對(duì)齊人臉圖像進(jìn)行超分的方法TDAE[21]，先經(jīng)過(guò)超分網(wǎng)絡(luò)將其對(duì)齊，再經(jīng)過(guò)一個(gè)下采樣網(wǎng)絡(luò)降噪，最后再次超分獲得高分辨率圖像。Cao[22]將強(qiáng)化學(xué)習(xí)引入到人臉超分辨率中，網(wǎng)絡(luò)的每次迭代都會(huì)利用強(qiáng)化學(xué)習(xí)為圖像生產(chǎn)一個(gè)注意力模，讓網(wǎng)絡(luò)有區(qū)別地對(duì)待整張圖像。2018年，Bulat[23]利用兩個(gè)生成對(duì)抗網(wǎng)絡(luò)，一個(gè)學(xué)習(xí)真實(shí)低分辨率人臉圖像的退化過(guò)程，另一個(gè)學(xué)習(xí)真實(shí)低分辨率人臉圖像的超分辨率過(guò)程。2019年，Huang[24]將人臉圖像從像素空間投影到小波域，在小波域用深度學(xué)習(xí)超分辨率圖像。Hu[25]將高分辨率人臉圖像分解成基本臉和增強(qiáng)臉，訓(xùn)練基本臉網(wǎng)絡(luò)模型和增強(qiáng)臉網(wǎng)絡(luò)模型，然后利用兩個(gè)模型生成低分辨率人臉圖像對(duì)應(yīng)的高分辨率人臉圖像。之后文獻(xiàn)[26]提出了迭代反投影算法與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合的方法，在提升重構(gòu)性能的同時(shí)減少訓(xùn)練時(shí)間。文獻(xiàn)[27-29]均設(shè)計(jì)生成對(duì)抗的思想設(shè)計(jì)生成對(duì)抗人臉超分辨率網(wǎng)絡(luò)，提升人臉圖像超分辨率性能。文獻(xiàn)[30]設(shè)計(jì)自動(dòng)編碼器學(xué)習(xí)高低分辨率人臉圖像之間的映射關(guān)系。2020年，文獻(xiàn)[31]利用不同域間轉(zhuǎn)換的思想，提出了老照片修復(fù)技術(shù)，取得突破進(jìn)展。1.2.2.2屬性指導(dǎo)的人臉圖像超分辨率方法這一類人臉超分辨率方法將人臉屬性信息(包括性別、發(fā)色、等)加入到網(wǎng)絡(luò)中，希望人臉屬性的引入

人臉解析圖

【參考文獻(xiàn)】：
期刊論文
[1]聯(lián)合多任務(wù)學(xué)習(xí)的人臉超分辨率重建[J]. 王歡,吳成東,遲劍寧,于曉升,胡倩.  中國(guó)圖象圖形學(xué)報(bào). 2020(02)
[2]基于生成對(duì)抗網(wǎng)絡(luò)的人臉超分辨率技術(shù)[J]. 張?zhí)炻?楊杰,何文玉,賈利民.  傳感器與微系統(tǒng). 2020(02)
[3]道路監(jiān)控視頻低清人臉重建與識(shí)別方法研究[J]. 羅莉莎,鐘嘉桐,王樹(shù)同,陳龍,邵文澤.  計(jì)算機(jī)時(shí)代. 2020(01)
[4]基于邊緣增強(qiáng)生成對(duì)抗網(wǎng)絡(luò)的人臉超分辨率重建[J]. 盧濤,陳沖,許若波,張彥鐸.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[5]雙層級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)的人臉超分辨率重建[J]. 劉嘉佩,曹林,杜康寧.  計(jì)算機(jī)工程與應(yīng)用. 2020(13)
[6]基于層級(jí)聚類回歸模型的人臉超分辨率重建算法[J]. 王淑云,干宗良,劉峰.  計(jì)算機(jī)科學(xué). 2019(08)
[7]深度協(xié)作表達(dá)的人臉超分辨重建算法[J]. 盧濤,潘蘭蘭,管英杰,曾康利.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2019(04)
[8]基于L1/2正則化和局部紋理約束的人臉超分辨率圖像重建[J]. 王寶成,李波.  計(jì)算機(jī)應(yīng)用研究. 2020(02)
[9]基于非負(fù)矩陣分解的單幀人臉圖像超分辨率重建方法[J]. 李翊凡,郭常忠.  寬厚板. 2020(02)

碩士論文
[1]基于深度學(xué)習(xí)的人臉圖像超分辨率重建[D]. 史鵬濤.南昌大學(xué) 2019
[2]基于復(fù)合算法的人臉超分辨率研究[D]. 夏金鳳.山東師范大學(xué) 2019
[3]基于聚類模型回歸的人臉超分辨率重建[D]. 劉志恒.南京郵電大學(xué) 2018



本文編號(hào)：3259979