照片美妆---人脸老化

照片美妆—人脸老化

本文转载自http://www.sohu.com/a/131656765_642762

论文名称《Age Progression/Regression by Conditional Adversarial Autoencoder》2017 CVPR

该代码是对论文《用条件对抗式自动编码器进行人脸老化、退龄》中算法的Tensorflow实现

环境要求

·Python 2.7x

·Scipy

·TensorFlow

数据库

·FGNET

·MORPH

地址：https://ebill.uncw.edu/C20231_ustores/web/product_detail.jsp?PRODUCTID=8

·CACD

地址：http://bcsiriuschen.github.io/CARC/

·UTKFace (可以从Github 或维基百科获得)

准备训练数据你可以使用任何带年龄标签和性别标签的数据库。在该demo中，我们使用了UTF人脸数据库，因为用这种标定并裁剪过的人脸照片更好一些。请保存并解压UTKFace.tar.gz到文件夹data下。

@@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@@

训练

$ python main.py

训练过程在NVIDIA TITAN X (12GB)上进行了测试。在UTK人脸数据库（23，708张图像，大小为128x128x3）上进行50次epoch的训练时间是两个半小时。

在训练过程中，会建立一个新文件夹save，包括四个子文件夹：summary, samples, test,和checkpoint

·samples ：保存每个epoch之后重建的人脸。

·test ：保存每个epoch之后的测试结果（基于输入人脸生成的不同年龄的人脸）。

·checkpoint ：保存模型。

·summary ：保存批损失和中间输出。

用以下命令来可视化summary：

$ cd save/summary

$ tensorboard --logdir .

训练之后，可以检查文件夹samples和test来分别可视化重建和测试性能。下图展示了重建（左）和测试（右）的结果。重建结果（左）的第一行是测试样例，他们分别对应的测试结果（右）由上到下，按年龄增长顺序排列。

不同训练epoch和重建损失的对比如下图所示，为了可视化的目的我们对它进行了低通滤波。原始的记录保存在summary文件夹中。

测试$ python main.py --is_train False --testdir your_image_dir

输入命令之后，应该显示出下面的信息：

Building graph …

TestingMode

Loadingpre-trained model …

SUCCESS^_

Done! Results are saved as save/test/test_as_xxx.png

具体来说，测试人脸会进行两次处理，这两次分别将其视作男性和女性。因此，保存的文件会分别命名为test_as_male.png（作为男性测试）和 test_as_female.png（作为女性测试）。如果想实现更好的结果，需要在更大并更多样化的数据集上进行训练。

训练过程演示第一行显示了不同年龄的输入人脸，其他行显示了每次epoch之后输出人脸的提高。输出人脸由上到下按年龄递增顺序排列。

·FaceAging.py ：类文件，建立并初始化模型，并且实现训练和测试的相关事项。

地址：https://github.com/ZZUTK/Face-Aging-CAAE/blob/master/FaceAging.py

·ops.py ：由FaceAging.py的函数组成，实现卷积，反卷积，全卷积，leaky ReLU激活函数，下载并保存图像等操作。

地址：https://github.com/ZZUTK/Face-Aging-CAAE/blob/master/ops.py

·main.py ：演示 FaceAging.py。

https://github.com/ZZUTK/Face-Aging-CAAE/blob/master/main.py

照片美妆---人脸老化相关推荐

照片美妆---基于Haar特征的Adaboost级联人脸检测分类器
本文转载自张雨石http://blog.csdn.net/stdcoutzyx/article/details/34842233 基于Haar特征的Adaboost级联人脸检测分类器基于Haar特征 ...
照片美妆--人像变老算法研究
人像变老技术可以把一张小孩子的照片或者年轻人的照片转换为变老以后的样子,目前市面上已有相应的应用,这里本人先放两张效果,然后分析算法: 这个效果是本人算法的效果,现在我们来分析一下人像变老的技术情况. ...
照片美妆---卷积“换脸”
本文转载自:http://blog.csdn.net/stdcoutzyx/article/details/69196428 "卷积"换脸正文: 图像风格转换[1][2][3]在 ...
iPhone X携人脸识别改变行业，美图美妆用人脸识别改变女人
苹果新品发布会,也是一年一度的段子手吐槽大会,iPhone X发布后网上所流传的段子,几乎都与Face ID有关,这说明这个新功能最受大众关注.从官方演示和外媒评测来看,Face ID比指纹识别更加安 ...
人脸美妆之唇色检测算法研究
人脸美妆之唇色检测算法研究目前,随着人脸检测识别技术的日趋成熟,人脸美化技术的竞争也愈演愈烈,诸如移动设备应用类中的美咖相机,美图秀秀,Perfect 365,天天P图等等,这些应用无疑都在给人们的 ...
美妆算法---人脸审美标准
美妆算法的基本内容就是把人脸变的更加好看,换句话说,就是不好看,不标准的脸,变得好看标准. 这里,介绍一下中国的"三庭五眼": 所谓的"三庭五眼"是人的脸长与脸 ...
美颜sdk人脸美妆代码分析、算法流程
美颜sdk人像美妆是非常重要的一个功能,目前深受广大用户喜爱,本篇文章小编将为大家讲解一下美颜sdk人像美妆功能的代码以及算法实现流程. 1.人像美妆算法流程首先进行妆容模板制作,主要由Photos ...
人脸老化，让你预见30年后的自己
帕克西人脸老化基于PCA人脸特征形状变形原理,实现自动的人连照片年龄处理.您要做的只是,给出一张您现在的照片,告诉我们您想变成n年之后/之前的样子,我们会自动返回一张您n年之后/之前的预测照片. [使 ...
美妆AI要抢李佳琦的饭碗？
(图片来源于网络) 文 | 易不二来源 | 螳螂财经(ID:TanglangFin) "OMG!这也太好看了吧!买它!" 堪称九亿少女钱包的"噩梦"的李佳琦, ...

照片美妆---人脸老化

照片美妆—人脸老化

照片美妆---人脸老化相关推荐

最新文章

热门文章