文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201810964677.5

申 请 日：20180823

发 明 人：陈国荣 罗建伟 杜晓霞 任虹 刘垚 何宏黎 刘灿 陈栋 利节

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20230407

公 开 号：CN109102029B

代 理 人：郑勇

代理机构：重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明公开了一种信息最大化生成对抗网络模型合成人脸样本质量评估方法，本发明使合成人脸样本的质量评估变得更加客观，具有较高的可靠性。评估方法包括：S1、数据预处理；S2、采用卷积神经网络构建合成人脸样本集的评估模型；S3、通过S2中构建的评估模型对合成人脸样本进行评估质量好的合成人脸样本,由于生成对抗网络模型的机制，质量好的样本其概率分布p<Sub>g</Sub>(x)与原始样本的概率分布p<Sub>data</Sub>(x)相近，所以通过分类模型训练测试时可以得到较高的准确率；质量差的合成人脸样本,则因其分布p<Sub>g</Sub>(x)离原始样本分布p<Sub>data</Sub>(x)较远，且存在较多的可能性，所以其样本间差别较大，经分类模型进行训练测试时准确率较低。

主 权 项：1.一种信息最大化生成对抗网络模型合成人脸样本质量评估方法，其特征在于：基于信息最大化的生成对抗网络由生成器G与判别器D构成，生成器G负责利用随机噪声向量z与潜在编码c合成我们预期的样本G(z,c)，并通过调节潜在编码c的维度，使其合成的样本具有可解释性；而判别器D则负责对合成人脸样本G(z,c)与真实样本X进行区分，生成器G与判别器D交替训练，直到判别器D无法区分某一个样本是来自合成人脸样本集还是真实样本集为止，基于信息最大化的生成对抗网络的目标函数为： I(c；G(z,c))表示潜在编码c与合成人脸样本G(z,c)之间的互信息，若固定G，则I(c；G(z,c))保持不变，此时仅需要考虑如何最大化D，此时的目标函数简化为： 为了计算V(D^*,G)的最大值，转化为求下面公式(3)的最大值，f(D(x))＝p_data(x)logD(x)+p_g(x)log(1-D(x)) (3)由于G固定，所以p_g(x)是已知的；同时真实样本集X是已知的，所以p_data(x)是已知的，那么这就转化为一个极值问题，当且仅当D＝D^*时，f(D(x))取得最大值， 将D^*带入到公式(2)中可得： 在信息论中，KL散度用于衡量近似分布P(x)与真实分布Q(x)的差异，表达式为：

关 键 词：合成人脸  样本  概率分布 评估模型  网络模型 原始样本  质量评估  准确率  构建  分类模型训练  卷积神经网络  数据预处理 信息最大化 分类模型  训练测试  对抗  样本集 质量差  评估  测试  

IPC专利分类号：G06V10/98;G06V10/82;G06V10/764;G06V10/766;G06N3/0464;G06N3/0475;G06N3/045;G06N3/08