导读:本文包含了语义人脸论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:语义,特征,图像,神经网络,模型,公理化,属性。
语义人脸论文文献综述
张继超[1]（2019）在《基于对抗网络的稀疏分组和混合数据学习的人脸图像语义翻译的研究》一文中研究指出图像翻译的本质是从一个源域图像到目标域之间建立映射关系,这个映射可以是1v1,也可以是1v多,甚至多v多。显而易见的是,图像翻译在计算机视觉和计算机图像学领域具有巨大的实际应用价值,比如图像上色问题,生活中的灰度图像如何快速地转换为彩色图像。最近,基于对抗网络的图像翻译方法为图像域之间的映射提供了一个通用的框架。基于对抗网络的图像翻译算法已经被应用到更广泛的领域,比如图像的风格化、卡通化、图像的修复,以及用来解决领域自适应问题。细节上,先前的图像翻译算法可以被归结为两大类,一类是基于数据对的学习方法和基于分组数据的学习方法。本文认为它们都是基于监督学习的算法。当对分组的量和每个组中的样本需求都是很大的时候,这些算法依然需要大量的人力去做标注。为了缓解这个问题,我们猜想了两个模型,一个是基于稀疏分组数据的模型。稀疏分组数据意味着数据集中只有少部分具有分组的组标签,而大部分是不具有任何标签。对于具有标签的数据,它们可以做分类的学习,其余的无标签数据则可以利用无监督学习算法去提高网络的表征能力,进而提高网络分类的表现力,无标签数据还可以用来稳定对抗网络的训练。从某种程度上说,稀疏分组学习是一种半监督学习算法。显而易见的是,稀疏分组学习会大量地减少对数据中的分组标签的要求。我们在本文中也猜想了对应于稀疏分组的网络架构,并将整个模型简称为SG-GAN。当数据完全稀疏,也就是数据集没有任何标签,此时的数据形态本文称其为混合数据。我们同样提出了面对混合数据的模型,也就是通过最大化互信息来从混合数据中发现语义信息,最后控制低维度的隐变量来改变高维图像空间的语义内容,实现图像翻译的目的。在本文中,我们将此模型简写为ST-GAN。为了验证猜想的SG-GAN和ST-GAN算法的有效性,我们将它们应用到人脸语义属性的调整。人脸语义属性的调整,可以被归类为图像翻译领域的一个在人脸数据上特定应用。比如对于属性年龄,人脸语义调整的目的则是希望在保持输入图像中身份信息的同时,改变他的年龄。本文猜想的SG-GAN在人脸多个属性调整上取得了高质量的转换结果,在标准的定量和定性的评估上超过了同时期的最优算法。除此之外,在转换的过程中为了保持输入人脸的身份信息,我们提出了一个自适应残差图像学习。本文猜想的ST-GAN,据我们所知,是第一个在完全没有任何标签信息上的图像语义翻译算法,尽管从质量上很难和最优的进行对比,但是ST-GAN利用无监督学习算法去捕获数据中的语义信息,然后利用这些语义信息能够做到先前的算法很难实现的属性调整。除此之外,本文为了提升网络语义发现的明确性,我们提出了一个局部互信息最大化方法去缓解这个问题。(本文来源于《山东大学》期刊2019-05-20）
杜江[2]（2018）在《人脸语义参数化模型及其应用研究》一文中研究指出人脸叁维模型编辑是人脸造型重要手段之一。设计者通常采用手工作业将已有人脸模型编辑成理想人脸形状。但是,这种编辑模式并不适用于面向普通用户。对于普通用户来说,最简单有效的方式就是通过控制低维度参数直观地编辑人脸形状。如目前最受欢迎的人脸参数化双线性模型,将人脸表示为人脸形状空间基和表情空间基的线性组合,这些基的权重系数即为形状参数(描述身份)和表情参数(描述情感)。因为表情基具有语义,所以可直观地调整表情参数获取特定人脸表情(喜、怒等)。然而,却不能通过调整人脸形状参数获取特定人脸形状(鼻梁高一些、眼睛大一些等)。为满足按照用户意愿对人脸形状编辑,如何利用人脸参数化模型对人脸形状具有语义控制是本文研究重点。本文针对人脸参数化模型进行深入研究,通过研究如何利用参数化模型语义地控制人脸形状变形,构建人脸语义参数化模型。并以此为基础,探究人脸编辑相关潜在应用价值,在对图像中人脸编辑以及用户个性化数字替身构造的应用中取得了一定进展,具体取得了以下研究成果:·针对现有的人脸参数化模型中参数缺乏对人脸形状语义控制的问题,提出了一种人脸语义参数模型。通过引入具有语义的基向量,满足用户希望直接调整特定语义参数就能获得具有实际意义的人脸变形效果(如抬高鼻梁、增大眼睛等)的需求,给用户提供更直观且易操作的人脸形状编辑环境。此外,有语义基具有人脸形状的局部控制能力,构建了一个人脸形状丰富的空间,更好地展现出数据泛化能力。通过对模板人脸构造具有语义的局部变形学习有语义基,然后利用有语义基作为约束,通过数据驱动方法学习人脸形状空间中潜在的无语义基。最后在实验部分,定性和定量的分析表明本文提出的人脸语义参数化模型对叁维人脸重建和叁维人脸语义化编辑都展现出更高的性能。·针对现有图像中人脸形状编辑方法对所选择的图像中人脸视角有严格要求的问题,提出一种基于人脸语义参数化模型的人脸图像编辑方法。本方法不仅能满足用户语义编辑人脸形状的需求,还能满足用户指定图像间人脸部件替换的需求。本方法结合人脸图像分割、人脸叁维模型重建、叁维网格模型编辑和图像融合等技术,利用人脸语义参数化模型在叁维空间表示图像中人脸,然后进行人脸形状编辑,最后渲染成人脸图像。实验结果表明本方法在叁维空间对人脸形状编辑相比在图像空间编辑具有更丰富的变形选择,而且没有对图像中人脸视角的限制。·针对普通消费级用户对替身模型的应用需求,提出一种基于人脸语义参数化模型的个性化数字替身构造方法。本方法仅需要用户叁张图像(全身照两张和人脸图像一张),将图像中重建的人体和人脸叁维模型利用网格融合技术融合成带有面部几何信息的数字替身模型。针对替身模型融合边界平滑问题,本工作提出一种高效的叁角网格质量优化方法,保障了用户数字替身模型光顺的视觉效果。人脸语义参数化模型的引入不但增强了替身模型人脸几何特征,而且用户可以对人脸形状进行语义编辑得到个性化替身模型。本方法构造的替身模型可以应用到叁维游戏,虚拟试衣,叁维打印等,具有广泛的实际应用价值。(本文来源于《浙江大学》期刊2018-06-30）
刘恋[3]（2018）在《基于语义编码器和CGAN联合优化的人脸缺损图像修复研究》一文中研究指出科技发展日新月异,人脸识别技术也得到了显着的发展。在人脸识别过程中,由于获取人脸图像时一般都没有约束条件,人的姿态、表情以及照明情况等都具有复杂性和易变性,而且有时会存在帽子、眼镜、围巾等装饰品的遮挡情况,这些变化因素都会导致现有的人脸识别技术性能下降,严重阻碍了人脸识别技术的实用化进程。在这种情况下,有遮挡的人脸图像修复就显得很有必要了。为了能够更好的识别人脸图像,需要在识别前对有遮挡或缺损人脸图像先进行修复还原。因为被遮挡或缺损的部分通常包含有影响整个面部变化的关键内容(例如,眼睛、嘴巴、等),而需要根据已有的未缺损的可用视觉数据来填充缺损的区域。现有的人脸缺损图像修复方法主要有基于偏微分方程、基于稀疏编码、基于纹理合成等几类,其中存在以下问题:1、大多数的人脸图像修复方法,需要以有被修复对象的原始完整样本为前提。2、补丁搜索修复方法通常是基于本地或非本地信息来修复图像的缺损区域,且大多数现有的方法都是仅从单个图像中提取有用信息或者从同一图像的已知区域搜索补丁,以此来生成和已知区域相似的内容,这类方法通常由于缺乏局部和全局信息的关联性,且缺损区域很大则很难修复。3、基于稀疏或去躁编码等修复方法,修复结果缺乏精细的纹理细节或者在缺损区域的边界周围产生可见的伪像,甚至可能生成模糊或不切实际的图像。针对以上现有人脸缺损图像修复方法中补丁搜索修复方法存在的局部和全局信息不一致的问题,以及基于稀疏编码器生成的图像较模糊问题,本文提出了一种语义编码器和条件生成对抗网络联合优化的模型:利用语义编码器理解整个内容图像,编码器通过映射得到相应的高维特征,然后通过解码器将高维特征解码出基于神经网络的缺失区域内容,为缺失的部分提供基于语义和结构的合理预测即初步修复人脸图。将初步修复人脸图,作为条件生成对抗网络的输入,进一步进行修复,可生成大区域缺损内容的补丁且无需被修复对象的原始人脸图。保证了修复后的图像局部内容和全局内容的一致性且更为清晰、自然。本文在CelebA人脸数据集上进行了广泛的实验,并将实验结果从定性和定量上进行了分析。在定性评估上,将本文模型与PM和CE两个模型的修复结果在视觉感官上进行了比较;在定量评估上,将修复结果的峰值信噪比PSNR和结构相似性指数SSIM两个指标进行了比较分析。比较结果表明,本文模型的修复结果更逼真、更清晰,且针对大面积缺损修复更有效。(本文来源于《湘潭大学》期刊2018-06-04）
邹修明,孙怀江,杨赛[4]（2016）在《基于概率隐含语义分析模型的人脸识别算法》一文中研究指出该文提出一种基于概率隐含语义分析(PLSA)的新的人脸识别算法。首先建立人脸图像的词袋模型,然后使用概率隐含语义分析模型得到词袋特征在隐含主题空间中的分布,并将其作为人脸图像的最终语义特征表示,最后采用支持向量机(SVM)对人脸进行识别。Multi-PIE和人脸识别竞赛(FRGC)数据库上的实验结果表明,该文方法的性能优于目前多个人脸识别方法。(本文来源于《南京理工大学学报》期刊2016年05期）
段萍,游祖会[5]（2016）在《基于语义化人脸图像检索系统设计》一文中研究指出语义化的人脸图像检索系统主要是根据系统中提取的人的眼睛,眉毛等面部特征来建立与之相关的语义化人脸图像识别。通过PCA相关搜索技术以及不等距的搜索技术的结合使用,来具体的设计出较为简单的语义化人脸图像识别系统。文章针对语义化的人脸图像检索系统的设计进行详细的阐述和分析,希望通过文章的阐述和分析能够对我国的人脸识别检索系统的发展和创新贡献力量。(本文来源于《科技创新与应用》期刊2016年17期）
张媛媛[6]（2016）在《基于全局语义和局部参考人的人脸图像检索技术研究》一文中研究指出近年来,随着电子设备的普及以及社交网站(如微博等)的兴起,以图像及视频为代表的多媒体资源越来越普遍,受到了国内外研究者的广泛关注。因此,如何高效地对图像进行整理以及检索成了当今计算机视觉研究领域的热点问题之一。其中,作为图像检索领域的典型应用,人脸图像检索在学术界和工业界逐渐成为一个热点问题。人脸图像检索技术与图像检索技术、人脸识别技术紧密相关,但相比一般的图像检索技术而言更加关注挖掘具有鲁棒性的人脸语义特征,相比人脸识别技术更加关注索引的使用。因此,需要寻找和研究合理利用图像检索技术和人脸识别技术的人脸图像检索方法,达到检索效果的扩展性和准确率的均衡。为了解决该问题,本文提出了一种基于全局语义和局部参考人的人脸图像检索技术,主要的研究内容如下:1.给出了一种深度卷积神经网络的全局语义特征表示,用于哈希编码的学习和判别性属性分类的学习;2.给出了一种基于身份和编码稳定性约束的带监督哈希编码方法,提高了哈希编码对光照、表情和姿态等因素的鲁棒性;3.给出了四个局部区域的划分方法,以及局部参考人的选取策略,使局部参考人的选择更加具有代表性;4.将基于全局语义的哈希编码、属性分类方法,和基于局部参考人的分类方法进行有效结合,实现快速而精准的人脸图像检索。最后,本文使用的基于全局语义和局部参考人的人脸图像检索技术做实验测试,实验结果表明了我们提出的方法时间消耗较少、准确率较高,人脸图像检索的性能提升效果较为显着。(本文来源于《南京大学》期刊2016-05-01）
彭明超[7]（2016）在《基于语义特征的人脸匹配算法研究与实现》一文中研究指出人脸识别一直是模式识别与机器学习领域中备受关注的热门话题。近年来,人脸识别技术取得了很大的突破,提出了很多高效率高准确率的人脸识别方法。但这些方法在实际应用中并没有达到理想的识别精度,还需要进一步的发展与完善。本文重点研究了基于语义特征的人脸匹配技术,结合人脸对齐方法和语义特征提取方法,对人脸部件进行了形状特征和纹理特征分析,依据人脸部件的语义分类结果判别人脸的身份。在人脸对齐中,提出了一种基于3D形状参数回归的人脸对齐算法,将3D人脸形状变换分解为叁维空间变换和正脸形状变换,在二级形状参数回归框架下,通过迭代低维的3D形状参数实现人脸的对齐。该方法具有较高的对齐效率和对齐准确率,在300-w复杂人脸数据库上取得了较好的对齐效果。通过对比实验,验证了该算法的优越性。在特征提取中,将人脸特征采用6种部件形状特征和4种部件纹理特征表示,包括了眼睛形状、眉毛形状、鼻子形状、嘴巴形状、轮廓形状、人脸布局、眼睛纹理、眉毛纹理、鼻子纹理和嘴巴纹理。在部件形状特征分析中,采用了2D正脸形状进行部件形状分析,分别对每个部件建立形状模型,并定义出相应的语义分类标准。利用2D正脸形状分析部件形状特征,有效减少了姿态因素对部件形状的影响。在部件纹理特征分析中,采用2D人脸形状定位到部件位置并抠取部件图片,使用了Gabor+LBP的特征提取方法,提取每个部件的纹理特征,并通过Kmeans算法对每个部件进行了语义特征归类。在人脸比对中,使用了语义特征编码方法整合了两张人脸的语义特征,并通过逻辑回归方法,计算出最终的匹配结果。本文实现了基于语义特征的人脸匹配算法,在CASIA WebFace人脸数据库上进行了对比实验。实验结果表明,本文算法具有良好的匹配效果,在测试数据库上达到了83.2%的匹配正确率,优于传统的LBP、Gabor等人脸匹配算法。同时,本文算法具备良好的稳定性和扩展性,能直接用于人脸表情分析、人脸搜索等领域中。(本文来源于《电子科技大学》期刊2016-03-28）
于永斌,刘清怡,毛启容,詹永照[8]（2016）在《基于语义属性的人脸表情识别新方法》一文中研究指出针对人脸表情底层视觉特征无法表达高层语义的问题,提出一种基于语义属性的人脸表情识别新方法.该方法利用表情语义属性这一中间人脸表情特征表示方法可在个别类别样本很少的情况下共享情感特征信息的特点,通过统计CK+库中人脸表情AU(Action Unit)编码建立表情语义属性与表情类别矩阵,然后采用SIFT(Scale-Invariant Feature Transform)底层视觉特征训练获得语义属性标注器,最后利用贝叶斯模型识别人脸表情.在CK+和BU-3DFE两个公开人脸表情数据库上的实验结果表明,与其它底层特征提取方法相比,该方法能有效提取表情特征信息并且把8种表情类别的平均识别率提高了4%.(本文来源于《小型微型计算机系统》期刊2016年02期）
段晓东,李泽东,王存睿,张庆灵,刘晓东[9]（2016）在《基于AFS的多民族人脸语义描述与挖掘方法研究》一文中研究指出该文提出了一种基于语义规则的多民族人脸特征表达方法.该方法在公理化模糊集理论框架下建立刻画人脸特征的语义概念,构建描绘不同民族人脸特征的语义规则集,并根据语义贴近度及隶属度的关联性设定约简准则进行语义挖掘,进而研究不同民族的人脸典型特征.所提方法的特点包括:通过多民族人脸特征数据的分布规律获取表述人脸特征的语义;定义的逻辑运算规则能够实现人脸语义运算,并获得描述人脸多样性特征的复杂语义;挖掘所获的多民族人脸典型特征由具有自然语言解释的语义表述,便于直观理解.文中采用C4.5、Quest、DecisionTable、NeuralNet、BayesNet、SVM和RA等方法对FEI、CK+以及本文所构建的"中华多民族人脸数据库"中的人脸民族属性进行了分析,结果表明该文方法建立的语义规则集不仅能够对各民族人脸特征进行语义解释,而且对个体人脸的民族属性具有较好的判别率,该文方法为研究多民族的人脸语义特征规律提供了一个新途径.(本文来源于《计算机学报》期刊2016年07期）
张晓梦[10]（2015）在《基于语义与纹理特征的人脸定位算法》一文中研究指出人脸特征点定位,在人脸识别中扮演了一个至关重要的角色,作为人脸识别系统中基础且关键的一步,定位效果的好坏直接影响到人脸识别的性能。虽然近年来定位算法初见成效,但其仍然面临着人脸图像的不均匀光照、大姿态、遮挡等因素的挑战。基于对SDM(Supervised Descent Method)算法的研究以及SDM优化算法的不足,为了改善加权最小二乘问题的赋权方式,本文提出了基于异常点检测的SDM优化改进算法,增强了 SDM算法定位的鲁棒性。基于对定位问题及算法的分析,考虑到单一特征表征力不足的局限性,本文提出了“基于高层语义与低层纹理特征融合”的人脸特征点定位算法:选择SIFT(Scale-Invariant Feature Transform)特征,作为高层语义特征,采用本文提出的SDM优化改进算法回归精定位;选择AAM(Active Appearance Model)纹理特征,作为低层纹理特征,采用基于 Fast-SIC(Fast-Simultaneous Inverse Compositional algorithm)的 AAM 拟合算法微调定位。该算法的新颖之处在于:明确提出高层语义特征与低层纹理特征级联,利用特征间的互补性,弥补了单一特征表征力不足的劣势;提出SDM与AAM联合定位的策略,利用SDM的整体性和AAM的细节性,弥补了 AAM局部最优和SDM粗略收敛的不足。为了说明本文提出的算法具有较高的准确率和较好的鲁棒性,本文在LFPW、Helen及BioID数据库上进行了测试,并与现有的几个state-of-theart方法进行了比较。其中,在LFPW上眼睛的平均定位误差达到最低的2.02%,优于比较的其他方法。(本文来源于《东北大学》期刊2015-06-01）
语义人脸论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人脸叁维模型编辑是人脸造型重要手段之一。设计者通常采用手工作业将已有人脸模型编辑成理想人脸形状。但是,这种编辑模式并不适用于面向普通用户。对于普通用户来说,最简单有效的方式就是通过控制低维度参数直观地编辑人脸形状。如目前最受欢迎的人脸参数化双线性模型,将人脸表示为人脸形状空间基和表情空间基的线性组合,这些基的权重系数即为形状参数(描述身份)和表情参数(描述情感)。因为表情基具有语义,所以可直观地调整表情参数获取特定人脸表情(喜、怒等)。然而,却不能通过调整人脸形状参数获取特定人脸形状(鼻梁高一些、眼睛大一些等)。为满足按照用户意愿对人脸形状编辑,如何利用人脸参数化模型对人脸形状具有语义控制是本文研究重点。本文针对人脸参数化模型进行深入研究,通过研究如何利用参数化模型语义地控制人脸形状变形,构建人脸语义参数化模型。并以此为基础,探究人脸编辑相关潜在应用价值,在对图像中人脸编辑以及用户个性化数字替身构造的应用中取得了一定进展,具体取得了以下研究成果:·针对现有的人脸参数化模型中参数缺乏对人脸形状语义控制的问题,提出了一种人脸语义参数模型。通过引入具有语义的基向量,满足用户希望直接调整特定语义参数就能获得具有实际意义的人脸变形效果(如抬高鼻梁、增大眼睛等)的需求,给用户提供更直观且易操作的人脸形状编辑环境。此外,有语义基具有人脸形状的局部控制能力,构建了一个人脸形状丰富的空间,更好地展现出数据泛化能力。通过对模板人脸构造具有语义的局部变形学习有语义基,然后利用有语义基作为约束,通过数据驱动方法学习人脸形状空间中潜在的无语义基。最后在实验部分,定性和定量的分析表明本文提出的人脸语义参数化模型对叁维人脸重建和叁维人脸语义化编辑都展现出更高的性能。·针对现有图像中人脸形状编辑方法对所选择的图像中人脸视角有严格要求的问题,提出一种基于人脸语义参数化模型的人脸图像编辑方法。本方法不仅能满足用户语义编辑人脸形状的需求,还能满足用户指定图像间人脸部件替换的需求。本方法结合人脸图像分割、人脸叁维模型重建、叁维网格模型编辑和图像融合等技术,利用人脸语义参数化模型在叁维空间表示图像中人脸,然后进行人脸形状编辑,最后渲染成人脸图像。实验结果表明本方法在叁维空间对人脸形状编辑相比在图像空间编辑具有更丰富的变形选择,而且没有对图像中人脸视角的限制。·针对普通消费级用户对替身模型的应用需求,提出一种基于人脸语义参数化模型的个性化数字替身构造方法。本方法仅需要用户叁张图像(全身照两张和人脸图像一张),将图像中重建的人体和人脸叁维模型利用网格融合技术融合成带有面部几何信息的数字替身模型。针对替身模型融合边界平滑问题,本工作提出一种高效的叁角网格质量优化方法,保障了用户数字替身模型光顺的视觉效果。人脸语义参数化模型的引入不但增强了替身模型人脸几何特征,而且用户可以对人脸形状进行语义编辑得到个性化替身模型。本方法构造的替身模型可以应用到叁维游戏,虚拟试衣,叁维打印等,具有广泛的实际应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语义人脸论文参考文献
[1].张继超.基于对抗网络的稀疏分组和混合数据学习的人脸图像语义翻译的研究[D].山东大学.2019
[2].杜江.人脸语义参数化模型及其应用研究[D].浙江大学.2018
[3].刘恋.基于语义编码器和CGAN联合优化的人脸缺损图像修复研究[D].湘潭大学.2018
[4].邹修明,孙怀江,杨赛.基于概率隐含语义分析模型的人脸识别算法[J].南京理工大学学报.2016
[5].段萍,游祖会.基于语义化人脸图像检索系统设计[J].科技创新与应用.2016
[6].张媛媛.基于全局语义和局部参考人的人脸图像检索技术研究[D].南京大学.2016
[7].彭明超.基于语义特征的人脸匹配算法研究与实现[D].电子科技大学.2016
[8].于永斌,刘清怡,毛启容,詹永照.基于语义属性的人脸表情识别新方法[J].小型微型计算机系统.2016
[9].段晓东,李泽东,王存睿,张庆灵,刘晓东.基于AFS的多民族人脸语义描述与挖掘方法研究[J].计算机学报.2016
[10].张晓梦.基于语义与纹理特征的人脸定位算法[D].东北大学.2015
论文知识图
