计算机技术与发展2023，Vol.33Issue(7) ：47-54.DOI:10.3969/j.issn.1673-629X.2023.07.007

基于姿态注意力的特定角度人脸正面化网络

Face Frontalization Network of Specific Angle Based on Pose Attention

解奕鹏 秦品乐 曾建潮 闫寒梅 柴锐 赵鹏程
计算机技术与发展2023，Vol.33Issue(7) ：47-54.DOI:10.3969/j.issn.1673-629X.2023.07.007
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于姿态注意力的特定角度人脸正面化网络

Face Frontalization Network of Specific Angle Based on Pose Attention

解奕鹏 1秦品乐 1曾建潮 1闫寒梅 2柴锐 1赵鹏程1
扫码查看

作者信息

  • 1. 中北大学 大数据学院,山西 太原 030051;山西省医学影像与数据分析工程研究中心(中北大学),山西 太原 030051
  • 2. 山西警察学院 刑事科学技术系,山西 太原 030401
  • 折叠

摘要

人脸正面化对人脸识别有重要意义,但实际监控场景中大姿态的人脸正面化效果通常不如较小姿态,因此提出姿态引导的特定角度生成对抗网络(Pose-Specific Generative Adversarial Network,PS-GAN).PS-GAN由生成器和鉴别器组成,生成器由编码器、姿态注意模块、特征转换模块以及解码器四部分组成,编码器与解码器分别对输入图像进行下采样与上采样,姿态注意模块为网络引入人脸结构先验的同时约束模型关注感兴趣区域,特征转换模块对编码器得到的侧脸特征进行变换并抑制冗余通道.首先,将连续的姿态变化划分为离散的姿态集合,单个PS-GAN模型由某一特定角度的数据训练;然后,将多个PS-GAN进行组合,使其适用于任意角度的人脸输入.在本实验室自主采集的MASFD数据集以及CAS-PEAL-R1 公开数据集上进行了大量的定性与定量实验,验证了网络结构的有效性以及合理性;与现有方法相比,虽然PS-GAN是由受限数据集训练的,但它也能在非同源数据上有良好的视觉效果.

关键词

人脸正面化/注意力机制/生成对抗网络/人脸识别/深度学习

Key words

face frontalization/attention mechanism/generative adversarial network(GAN)/face recognition/deep learning

引用本文复制引用

基金项目

山西省重点研发项目(201803D31212-1)

山西省"揭榜挂帅"重大专项(202101010101018)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量1
段落导航相关论文