技术摘要：
本发明涉及一种人脸年龄变化图像对抗生成方法及系统，生成方法包括：获取多对真实人脸图像与目标年龄特征向量；基于空域注意力机制的人脸生成器，根据每对真实人脸图像及目标年龄特征向量，得到合成图像；基于人脸判别器，根据各真实人脸图像及对应的合成图像，计算图  全部
背景技术：
合成年龄变化后的人脸图像是计算机视觉领域图像编辑问题的重要分支，其旨在 保持人脸身份信息不变的前提下，基于给定的人脸图像和目标年龄特征向量，生成逼真的 具有指定年龄外貌特征的人脸图像。 随着深度学习理论的广泛应用，尤其是对抗生成网络(Generative  Adversarial  Networks，GANs)的快速发展，现有的人脸年龄变化技术大多使用基于GANs的模型合成逼真 的人脸图像。通常来讲，年龄变化只集中于人脸的局部区域(额头、眼角、嘴部等)，一个合理 的年龄变化模型应该只关注这些区域内的像素变化，而保持其他部分的图像信息不变。 但是大多数现有的模型都是对整张输入图像进行变化，导致图像背景等与年龄变 化无关的区域中的像素值也发生变化，从而引入噪声和失真，降低生成图像的质量和逼真 度。
技术实现要素：
为了解决现有技术中的上述问题，即为了提高生成图像的质量，本发明的目的在 于提供一种人脸年龄变化图像对抗生成方法及系统。 为解决上述技术问题，本发明提供了如下方案： 一种人脸年龄变化图像对抗生成方法，所述生成方法包括： 获取多对真实人脸图像与目标年龄特征向量； 基于空域注意力机制的人脸生成器，根据每对真实人脸图像及目标年龄特征向 量，得到合成图像； 基于人脸判别器，根据各真实人脸图像及对应的合成图像，计算图像损失函数的 损失值； 根据所述损失值，利用损失梯度反向传播算法迭代调整所述人脸生成器及人脸判 别器的权值直到收敛，得到当前人脸生成器； 基于当前人脸生成器，根据待处理人脸图像及对应的目标年龄特征向量，得到具 有目标年龄特征的人脸图像。 可选地，所述基于空域注意力机制的人脸生成器，根据每对真实人脸图像及目标 年龄特征向量，得到合成图像，具体包括： 针对每对真实人脸图像及目标年龄特征向量， 将所述真实人脸图像及目标年龄特征向量沿通道维度拼接，得到拼接结果； 基于空域注意力机制的人脸生成器，根据所述拼接结果，得到对应的合成图像。 可选地，所述真实人脸图像与目标年龄特征向量分为真实年轻人脸图像和目标老 5 CN 111612872 A 说　明　书 2/8 页 化年龄特征向量，以及真实年老人脸图像和目标年轻化年龄特征向量。 可选地，所述图像损失函数的损失值包括： 真实年轻人脸图像的对抗损失值、年龄估计损失值和人脸重建损失值，及真实年 老人脸图像的对抗损失值、年龄估计损失值和人脸重建损失值。 可选地，根据以下公式，计算图像损失函数的损失值： 真实年老人脸图像的对抗损失值 真实年老人脸图像的年龄估计损失值 真实年老人脸图像的人脸重建损失值 真实年轻人脸图像的对抗损失值 真实年轻人脸图像的年龄估计损失值 真实年轻人脸图像的人脸重建损失值 其中，Iy表示真实年轻人脸图像，Io表示真实年老人脸图像，αy表示目标年轻化年 龄特征向量，αo表示目标老化年龄特征向量，Gr表示基于空域注意力机制的人脸年轻化生成 6 CN 111612872 A 说　明　书 3/8 页 器，Gp表示基于空域注意力机制的人脸老化生成器，Dr表示年轻人脸判别器，Dp表示年老人 脸判别器，Dr和Dp上标I表示为对图像真实性的判别输出，上标α表示为对图像中人脸年龄的 回归输出，D表示人脸判别器，G表示人脸生成器。 可选地，根据所述损失值，利用损失梯度反向传播算法迭代调整所述人脸生成器 及人脸判别器的权值直到收敛，具体包括： 根据以下公式，计算总损失值L： 以总损失值L为目标函数，根据 进行迭代优化； 利用梯度反向传播算法更新生成器Gr和Gp与判别器Dr和Dp权值直至收敛。 为解决上述技术问题，本发明还提供了如下方案： 一种人脸年龄变化图像对抗生成系统，所述生成系统包括： 获取单元，用于获取多对真实人脸图像与目标年龄特征向量； 合成单元，用于基于空域注意力机制的人脸生成器，根据每对真实人脸图像及目 标年龄特征向量，得到合成图像； 计算单元，用于基于人脸判别器，根据各真实人脸图像及对应的合成图像，计算图 像损失函数的损失值； 迭代单元，用于根据所述损失值，利用损失梯度反向传播算法迭代调整所述人脸 生成器及人脸判别器的权值直到收敛，得到当前人脸生成器； 处理单元，用于基于当前人脸生成器，根据待处理人脸图像及对应的目标年龄特 征向量，得到具有目标年龄特征的人脸图像。 可选地，所述合成单元包括： 拼接模块，用于针对每对真实人脸图像及目标年龄特征向量，将所述真实人脸图 像及目标年龄特征向量沿通道维度拼接，得到拼接结果； 合成模块，用于基于空域注意力机制的人脸生成器，根据所述拼接结果，得到对应 的合成图像。 为解决上述技术问题，本发明还提供了如下方案： 一种人脸年龄变化图像对抗生成系统，包括： 处理器；以及 被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处 理器执行以下操作： 获取多对真实人脸图像与目标年龄特征向量； 基于空域注意力机制的人脸生成器，根据每对真实人脸图像及目标年龄特征向 量，得到合成图像； 基于人脸判别器，根据各真实人脸图像及对应的合成图像，计算图像损失函数的 损失值； 根据所述损失值，利用损失梯度反向传播算法迭代调整所述人脸生成器及人脸判 别器的权值直到收敛，得到当前人脸生成器； 基于当前人脸生成器，根据待处理人脸图像及对应的目标年龄特征向量，得到具 7 CN 111612872 A 说　明　书 4/8 页 有目标年龄特征的人脸图像。 为解决上述技术问题，本发明还提供了如下方案： 一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述 一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操 作： 获取多对真实人脸图像与目标年龄特征向量； 基于空域注意力机制的人脸生成器，根据每对真实人脸图像及目标年龄特征向 量，得到合成图像； 基于人脸判别器，根据各真实人脸图像及对应的合成图像，计算图像损失函数的 损失值； 根据所述损失值，利用损失梯度反向传播算法迭代调整所述人脸生成器及人脸判 别器的权值直到收敛，得到当前人脸生成器； 基于当前人脸生成器，根据待处理人脸图像及对应的目标年龄特征向量，得到具 有目标年龄特征的人脸图像。 根据本发明的实施例，本发明公开了以下技术效果： 本发明通过空域注意力机制限制输入图像经由生成器的改变区域，可降低与年龄 变化无关的图像区域中像素发生变化的可能性，从而能够减小引入噪声和失真的几率，提 高合成老化人脸图像的质量和可信度。 附图说明 图1是本发明人脸年龄变化图像对抗生成方法的流程图； 图2是本发明人脸年龄变化图像对抗生成方法的具体实施流程图； 图3是针对图2的实施流程图； 图4是基于空域注意力机制的生成器的结构框图； 图5是本发明人脸年龄变化图像对抗生成系统的模块结构示意图。 符号说明： 获取单元—1，合成单元—2，计算单元—3，迭代单元—4，处理单元—5。