(19)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 202210646405.7 (22)申请日 2022.06.09 (71)申请人 五邑大学 地址 529000 广东省江门市蓬江区东成村 22号 (72)发明人 甘俊英　谢小山　何国辉　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 黄英杰 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06V 10/74(2022.01) G06Q 10/04(2012.01)G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 人脸美丽预测方法和装置、 电子设备、 存储 介质 (57)摘要 本申请提供了一种人脸美丽预测方法和装 置、 电子设备、 存储介质， 属于神经网络技术领 域。 包括： 获取原图像和高斯噪声； 根据高斯噪声 生成人脸伪图像； 对人脸伪图像和原图像进行判 决， 得到第一概率和第二概率； 当第一概率和第 二概率之间的差值大于预设阈值时， 优化生成对 抗网络； 通过已优化的生成对抗网络生成训练 集； 将训练集输入至人脸美丽预测任务网络并对 人脸美丽预测任务网络进行训练， 得到已训练的 第一任务网络。 通过优化生成对抗网络， 使对抗 生成网络可以生成逼真的人脸图像并构建训练 集， 以此训练神经网络， 解决了人脸美丽预测研 究中由于缺乏大规模的人脸美丽数据库对神经 网络进行监督训练， 导致监督信息不足， 模型容 易过拟合的问题。 权利要求书2页 说明书9页 附图3页 CN 114973377 A 2022.08.30 CN 114973377 A 1.一种基于生成对抗网络的人脸美丽预测方法， 其特 征在于， 所述方法包括: 获取原图像和高斯噪声； 根据所述高斯噪声生成人脸伪图像； 对所述人脸伪图像和所述原图像进行判决， 得到第 一概率和第二概率； 其中， 所述第一 概率表示所述人脸伪图像被判决为真实图像的概率， 所述第二概率表示所述原图像被判决 为真实图像的概 率； 当所述第一概率和所述第二概率之间的差值大于预设阈值时， 优化所述生成对抗网 络； 通过已优化的所述生成对抗网络生成训练集； 其中， 所述训练集包括多个训练样本， 所 述训练样本包括反映所述训练样本人脸美丽 等级的标签； 将所述训练集输入至人脸美丽预测任务网络并对所述人脸美丽预测任务网络进行训 练， 得到已训练的第一任务网络 。 2.根据权利要求1所述的人脸美丽预测方法， 其特征在于， 所述生成对抗网络包括生成 模块和判决模块， 所述优化所述 生成对抗网络包括： 降低所述 生成模块的静态梯度以更新所述 生成模块； 提高所述判决模块的静态梯度以更新所述判决模块； 其中， 所述生成模块根据表达式： 进行更新， 所述判 决模块根据表达式： 进行更新， 其中D 表示所述判决模 块， G表示所述生成模 块， 表示所述生成模 块的静态梯度， 表示所述 判决模块的静态梯度， x(i)表示所述原图像中的第i个样本， z(i)表示所述人脸伪图像中的第 i个样本。 3.根据权利要求1所述的人脸美丽预测方法， 其特征在于， 所述将所述训练集输入至人 脸美丽预测任务网络中并对所述人脸美丽任务网络进行训练， 包括： 将人脸美丽预测任务分解为多个二分类子任务， 并生成多个第 一子任务网络分别对应 每一个所述 二分类子任务； 根据所述训练样本的人脸美丽等级标签生成多维标签； 其中， 所述多维标签的每一维 分别用于监督每一个与之对应的所述第一子任务网络， 所述多维标签的总维数与所述第一 子任务网络的总个数相等； 通过所述多维标签对多个所述第 一子任务网络进行监督学习， 得到已训练的多个第 二 子任务网络 。 4.根据权利要求3所述的人脸美丽预测方法， 其特征在于， 所述通过所述多维标签对多 个所述第一子任务网络进行监 督学习， 包括： 判断所述第一子任务网络的输出 结果与所述多维标签中对应的一维是否相等。 5.根据权利要求3所述的人脸美丽预测方法， 其特征在于， 所述通过所述多维标签对多 个所述第一子任务网络进行监 督学习， 得到已训练的多个第二子任务网络之后， 还 包括： 将多个已训练的所述第二子任务网络的第一输出 结果整合 为第一多维向量；权　利　要　求　书 1/2 页 2 CN 114973377 A 2将所述第一多维向量与第二多维向量进行比较以判断所述第一多维向量是否出错； 若所述第一多维向量与所述第二多维向量对应， 则所述第一多维向量无误； 若所述第一多维向量与所述第 二多维向量不对应， 则根据多个所述第 一输出结果修正 所述第一多维向量。 6.根据权利要求5所述的人脸美丽预测方法， 其特征在于， 所述根据多个所述第 一输出 结果修正所述第一多维向量， 包括： 根据预设规则修改所述第一输出 结果， 以修 正所述第一多维向量； 其中， 所述预设规则为： 以只需修改最少数量的所述第一输出结果以及被修改的所述 第一输出 结果的置信度最低为标准， 对所述第一输出 结果进行修改。 7.根据权利要求3至权利要求6中任一项所述的人脸美丽预测方法， 其特征在于， 所述 将所述训练集输入至人脸美丽预测任务网络中并对所述人脸美丽任务网络进行训练， 包 括： 使用反向传播 算法循环优化所述第一子任务网络的参数。 8.一种人脸美丽预测装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取原图像和高斯噪声； 生成模块， 用于根据高斯噪声生成人脸伪图像； 判决模块， 用于对人脸伪图像和原图像进行判决， 得到第一 概率和第二 概率； 生成对抗网络优化模块， 用于当第一概率和第二概率之间的差值大于预设阈值时， 优 化生成对抗网络； 训练集生成模块， 用于通过已优化的生成对抗网络生成训练集； 训练模块， 用于将训练集输入至人脸美丽预测任务网络并对人脸美丽预测任务网络进 行训练， 得到已训练的第一任务网络 。 9.一种电子设备， 其特征在于， 所述电子设备包括存储器、 处理器、 存储在所述存储器 上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通 信的数据总线， 所述程序被所述处理器运行时实现如权利要求1至7中任一项 所述的人脸美 丽预测方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有一个或者 多个程序， 所述一个或者多个程序可被一个或者多个处理器运行， 以实现如权利要求1至7 中任一项所述的人脸美丽预测方法。权　利　要　求　书 2/2 页 3 CN 114973377 A 3