CN112116525B - 换脸识别方法、装置、设备和计算机可读存储介质 - Google Patents

换脸识别方法、装置、设备和计算机可读存储介质 Download PDF

Info

Publication number
CN112116525B
CN112116525B CN202011016485.5A CN202011016485A CN112116525B CN 112116525 B CN112116525 B CN 112116525B CN 202011016485 A CN202011016485 A CN 202011016485A CN 112116525 B CN112116525 B CN 112116525B
Authority
CN
China
Prior art keywords
face
image
shielding
sample
area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011016485.5A
Other languages
English (en)
Other versions
CN112116525A (zh
Inventor
王洋
熊俊峰
吕中厚
张欢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011016485.5A priority Critical patent/CN112116525B/zh
Publication of CN112116525A publication Critical patent/CN112116525A/zh
Priority to US17/171,669 priority patent/US11403799B2/en
Application granted granted Critical
Publication of CN112116525B publication Critical patent/CN112116525B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G06T5/75—Unsharp masking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种换脸识别方法、装置、设备和计算机可读存储介质，涉及计算机技术领域。具体实现方案为：对待识别图像进行人脸检测，确定出待识别图像中的人脸区域；将人脸区域进行扩大处理，生成头部区域图像；对头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到遮挡图像；根据遮挡图像以及预先训练好的换脸识别模型，确定待识别图像的换脸识别结果，换脸识别模型用于判断待识别图像中的人脸是否被更换为预设人脸。本实现方式提供一种换脸识别方法，能够提高换脸识别的泛化性。

Description

换脸识别方法、装置、设备和计算机可读存储介质
技术领域
本申请涉及计算机技术领域，具体涉及人工智能、深度学习、图像处理领域，尤其涉及换脸识别方法、装置、设备和计算机可读存储介质。
背景技术
随着自动换脸技术越来越普及，用户可以通过具有自动换脸功能的软件，使用公众人物的人脸替换原始视频中的人脸，来生成合成视频，造成公众人物执行视频中行为的舆论影响。对此，需要有相应的换脸识别方法来应对上述不当使用的场景。
现有的换脸识别方案可以针对自动换脸所使用的算法研发对应的换脸鉴别模型，例如可以通过训练卷积神经网络模型，使卷积神经网络模型识别指定的自动换脸算法生成的人脸以及真实人脸，将待识别图片输入训练好的卷积神经网络模型，模型可以输出该待识别图片属于自动换脸算法生成的人脸，或者输出该待识别图片属于真实人脸。
上述方案只能识别出利用指定的自动换脸算法生成的人脸图片，泛化性不足。
发明内容
提供了一种换脸识别方法、装置、设备和计算机可读存储介质。
根据第一方面，提供了一种换脸识别方法，包括：对待识别图像进行人脸检测，确定出待识别图像中的人脸区域；将人脸区域进行扩大处理，生成头部区域图像；对头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到遮挡图像；根据遮挡图像以及预先训练好的换脸识别模型，确定待识别图像的换脸识别结果，换脸识别模型用于判断待识别图像中的人脸是否被更换为预设人脸。
根据第二方面，提供了一种换脸识别装置，包括：人脸检测单元，被配置成对待识别图像进行人脸检测，确定出待识别图像中的人脸区域；生成单元，被配置成将人脸区域进行扩大处理，生成头部区域图像；遮挡处理单元，被配置成对头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到遮挡图像；换脸识别单元，被配置成根据遮挡图像以及预先训练好的换脸识别模型，确定待识别图像的换脸识别结果，换脸识别模型用于判断待识别图像中的人脸是否被更换为预设人脸。
根据第三方面，提供了一种换脸识别设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任意一项换脸识别方法。
根据第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上任意一项换脸识别方法。
根据本申请的技术，提供一种换脸识别方法，能够提高换脸识别的泛化性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请的一个实施例可以应用于其中的示例性***架构图；
图2是根据本申请的换脸识别方法的一个实施例的流程图；
图3是根据本申请的换脸识别方法的一个应用场景的示意图；
图4是根据本申请的换脸识别方法的另一个实施例的流程图；
图5是根据本申请的换脸识别装置的一个实施例的结构示意图；
图6是用来实现本申请实施例的换脸识别方法的设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的换脸识别方法或换脸识别装置的实施例的示例性***架构100。
如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以为电视、电脑以及平板等电子设备，在其上可以存储包含人脸区域的待识别图像，待识别图像可以为视频中的视频帧，也可以为获取到的其它图像，本发明实施例中对此不做限定。用户可以通过终端设备101、102、103将本地存储的包含人脸的视频通过网络104发送给服务器105，以使服务器105识别该视频中的人脸是否为合成的。或者，也可以由终端设备101、102、103识别该视频中的人脸是否为合成的。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于电视、智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如获取终端设备101、102、103存储的包含人脸的视频，并且可以对包含人脸的视频进行人脸识别，具体的，可以先检测出视频中的人脸区域，再将人脸区域进行扩大处理，生成头部区域图像，再对头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到遮挡图像，根据遮挡图像以及预先训练好的换脸识别模型，可以确定出视频中的人脸是否被更换为目标人物的预设人脸。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的换脸识别方法可以由终端设备101、102、103执行，也可以由服务器105执行。相应地，换脸识别装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的换脸识别方法的一个实施例的流程200。本实施例的换脸识别方法，包括以下步骤：
步骤201，对待识别图像进行人脸检测，确定出待识别图像中的人脸区域。
本实施例中，待识别图像可以为视频中截取的图像帧，也可以为包含人脸的图像，本实施例中对此不做限定。待识别图像中的人脸可以为目标人物的预设人脸，或者还可以为基于目标人物的人脸面部特征合成的合成人脸。本发明实施例可以用来识别待识别图像中的人脸是不是经过合成处理的人脸。其中，待识别图像除了人脸之外，还可以包括环境和背景信息等，此时，可以对待识别图像进行人脸检测，确定出待识别图像中的人脸区域。
步骤202，将人脸区域进行扩大处理，生成头部区域图像。
本实施例中，步骤201识别出的人脸区域通常为包含眼睛、眉毛、鼻子以及嘴巴的区域。在本发明实施例中，可以在获取人脸区域之后，将人脸区域进行扩大处理，生成头部区域图像，使得头部区域图像包含更多的特征，比如可以包括耳朵、头发等特征。
进一步的，对于人脸区域进行扩大处理时，可以将人脸区域向外扩大预设范围，比如将人脸区域扩大1.3倍，对于扩大的具体倍数也可以为1.4、1.5等，本发明实施例中不做限定。又或者，也可以将人脸区域向至少一个方向进行扩大处理，可以只向上扩大预设倍数，或者只向下扩大预设倍数，或者只向左扩大预设倍数，或者只向右扩大预设倍数，或者可以朝向上述方向中的任意组合均扩大相应的倍数，对于具体的扩大方式本发明实施例中不做限定。扩大处理的目的是为了使得头部区域图像包含更多的边缘特征，只要能够实现包含更多的边缘特征的目的，可以采用任意的扩大处理方式。
步骤203，对头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到遮挡图像。
本实施例中，还可以对头部区域图像中人脸区域的至少一个部位进行遮挡处理，其中，人脸区域的至少一个部位可以包括上述眼睛、鼻子、嘴巴以及眉毛等，优选的，可以将人脸区域中的核心区域全部进行遮挡处理，得到遮挡图像，此时可以识别遮挡图像中非遮挡部位的特征，判断人脸是否被更换为预设人脸。也可以遮挡人脸区域中核心区域的部分部位，例如只遮挡眉毛和眼睛，但这种实施方式的效果没有全部遮挡的效果好。可选的，遮挡处理的方法可以采用颜色遮挡、预设图案遮挡以及马赛克遮挡等，对此本发明实施例中不做限定。例如，采用颜色遮挡，可以通过利用单一颜色对头部区域图像中人脸区域的至少一个部位进行遮挡处理，采用预设图案遮挡，可以利用预先设定的图案遮挡头部区域图像中人脸区域的至少一个部位，采用马赛克遮挡，可以利用马赛克遮挡头部区域图像中人脸区域的至少一个部位，本发明实施例中不做限定。
步骤204，根据遮挡图像以及预先训练好的换脸识别模型，确定待识别图像的换脸识别结果，换脸识别模型用于判断待识别图像中的人脸是否被更换为预设人脸。
本实施例中，预先训练好的换脸识别模型为利用目标人物的预设人脸的遮挡图像和其它人脸的遮挡图像训练得到的模型，模型的输入参数可以为图像，模型的输出参数可以为该图像中的人脸是否被更换为预设人脸的识别结果。具体的，识别结果可以为该图像中的人脸为预设人脸的置信度，或者，识别结果也可以为该图像中的人脸不是预设人脸的概率等，本发明实施例中不做限定。只要能够基于换脸识别结果，直接获得待识别图像中的人脸是否被更换为预设人脸的判定结果即可，对于换脸识别模型输出的具体参数本发明实施例中不做限定。
继续参见图3，其示出了根据本申请的换脸识别方法的一个应用场景的示意图。在图3的应用场景中，上述换脸识别方法可以应用到针对特定人物的换脸检测的场景中。首先可以预先训练换脸识别模型，使训练好的换脸识别模型能够识别特定人物的预设人脸，预设人脸可以为指定的一个或者多个特定人物的人脸，具体的，特定人物可以为知名的公众人物等。由于通常的换脸算法是将一些核心区域进行替换来实现换脸，因而对于换脸识别，可以去检测换脸算法不常替换的部位的特征，来识别是否被换脸。在本发明实施例中，对于换脸识别模型的训练是为了使得模型能够识别特定人物的边缘特征，如识别特定人物的头发、耳朵等特征。以通过向训练好的换脸识别模型输入图像，该换脸识别模型可以输出该图像中的人脸是预设人脸的置信度。
假设网络上流传有一段某公众人物的视频，可以获取该视频中包含公众人物人脸的视频帧作为待识别图像。通过对待识别图像进行人脸检测，能够确定出包含人脸的眉毛、眼睛、鼻子和嘴巴的人脸区域301。进而可以对人脸区域301进行扩大处理，生成头部区域头像。其中，头部区域图像可以包括人物的耳朵、头发等特征。进一步的，可以对头部区域图像中的眉毛、眼睛、鼻子和嘴巴进行遮挡处理，比如用单一颜色遮挡这些部位，得到遮挡图像302。再进一步的，可以执行步骤303，将遮挡图像输入预先训练好的换脸识别模型，以使换脸识别模型输出换脸识别结果。比如可以输出该视频帧中的公众人物是本人的置信度。
本申请上述实施例提供的换脸识别方法，可以对待识别图像进行人脸检测，确定出待识别图像中的人脸区域，将人脸区域进行扩大处理，生成头部区域图像，对头部区域图像中人脸区域的至少一个部位进行遮挡处理，可以得到遮挡图像，根据遮挡图像以及预先训练好的换脸识别模型，可以确定待识别图像的换脸识别结果。通过对遮挡图像中未遮挡的边缘特征进行识别，可以判断待识别图像中的人脸是否为合成的人脸，这一过程无需针对自动换脸所使用算法研发对应的换脸鉴别模型，只需要识别人脸边缘特征，就能判断是否为合成生成的人脸，从而可以适用于各类自动换脸算法生成的人脸图片，进而提高了换脸识别的泛化性。
继续参见图4，其示出了根据本申请的换脸识别方法的另一个实施例的流程400。如图4所示，本实施例的换脸识别方法可以包括以下步骤：
步骤401，获取训练样本集，训练样本集包括预设人脸的人脸遮挡图像以及其它人脸的人脸遮挡图像。
本实施例中，训练样本集中可以包括预设人脸的人脸遮挡图像以及其它人脸的人脸遮挡图像，其中，预设人脸可以为特定人物的人脸，比如特定的公众人物的人脸，其它人脸可以为除特定人物之外的人物的人脸，通过预设人脸的人脸遮挡图像和其它人脸的人脸遮挡图像构建正样本以及负样本，以此训练模型识别预设人脸。
在本实施例的一些可选的实现方式中，获取训练样本集，包括：获取包含预设人脸的样本人脸图像以及包含其它人脸的样本人脸图像；对所获取的样本人脸图像进行人脸检测，确定样本人脸区域；对样本人脸区域进行扩大处理，得到样本头部区域图像；对样本头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到包括预设人脸的人脸遮挡图像以及包括其它人脸的人脸遮挡图像。
本实现方式中，获取包括预设人脸的人脸遮挡图像以及包括其它人脸的人脸遮挡图像的方式同上述步骤201至步骤203，在此不再赘述。
在本实施例的一些可选的实现方式中，对样本人脸区域进行扩大处理，得到样本头部区域图像，包括：确定样本人脸区域的关键点坐标；基于关键点坐标，得到样本头部区域；基于样本头部区域，得到包含样本头部区域的样本头部区域图像。
本实现方式中，在对样本人脸区域进行扩大处理，得到样本头部区域图像的过程中，可以进行人脸对齐，也即是确定样本人脸区域的关键点坐标。在进行扩大处理时，可以基于关键点坐标的坐标扩大，确定出样本头部区域，再基于样本头部区域，得到包含样本头部区域的样本头部区域图像。可选的，还可以使用左右翻转、旋转、平移等方法进一步扩充样本头部区域图像的数据集，使得获取的样本头部区域图像的精度更高。
步骤402，将训练样本集中训练样本的人脸遮挡图像作为输入，将输入的人脸遮挡图像是否为预设人脸的判别结果作为期望输出，训练得到换脸识别模型。
本实施例中，换脸识别模型可以为使用深度神经网络或者支持向量机构建的分类器。在预设人脸的数量为一个的情况下，可以训练二分类的分类器，使得分类器识别输入的图像是预设人脸或者使得分类器识别输入的图像不是预设人脸；在预设人脸的数量为多个的情况下，可以训练多分类的分类器，使得分类器识别输入的图像属于哪一个预设人脸，本发明实施例中对此不做限定。对于换脸识别模型的训练，可以将训练样本的人脸遮挡图像作为输入，将人脸遮挡图像是否为预设人脸的判别结果作为期望输出，不断调整模型的参数，训练得到换脸识别模型。其中，训练样本的人脸遮挡图像中包括预设人脸的人脸遮挡图像以及其它人脸的人脸遮挡图像，可以利用预设人脸的人脸遮挡图像作为正样本，将其它人脸的人脸遮挡图像作为负样本，基于正负样本训练换脸识别模型，使得换脸识别模型能够区分预设人脸的人脸遮挡图像以及其它人脸的人脸遮挡图像。
步骤403，对待识别图像进行人脸检测，确定出待识别图像中的人脸区域。
步骤404，将人脸区域进行扩大处理，生成头部区域图像。
步骤405，利用单一颜色遮挡头部区域图像中人脸区域的至少一个部位，得到遮挡图像。
本实施例中，可以利用单一颜色遮挡头部区域图像中人脸区域的至少一个部位，其中，单一颜色可以为任意颜色，利用单一颜色遮挡头部区域图像中人脸区域的至少一个部位，得到的遮挡图像中能够主要凸显头部区域图像的边缘特征，边缘特征可以包括但不限于头发、下巴、耳朵等，本发明实施例中不做限定。
步骤406，根据遮挡图像以及预先训练好的换脸识别模型，确定待识别图像的换脸识别结果，换脸识别模型用于判断待识别图像中的人脸是否被更换为预设人脸。
在本实施例的一些可选的实现方式中，在利用单一颜色遮挡头部区域图像中人脸区域的至少一个部位，得到遮挡图像之后，还可以执行以下步骤：确定遮挡图像中未被遮挡的目标特征；上述根据遮挡图像以及预先训练好的换脸识别模型，确定待识别图像的换脸识别结果可以包括：根据目标特征以及预先训练好的换脸识别模型，确定待识别图像的换脸识别结果。通过实施这种可选的实现方式，可以将遮挡图像中未被遮挡的目标特征作为模型的输入参数，同理，在此种情况下，在训练换脸识别模型的过程中，也可以将预设人脸的未被遮挡的特征以及其它人脸的未被遮挡的特征作为模型的输入参数，以此训练换脸识别模型能够识别特定人物的边缘特征。采用这种方式，可以进一步提高对于边缘特征识别的准确度。
本申请上述实施例提供的换脸识别方法，可以基于预设人脸的人脸遮挡图像以及其它人脸的人脸遮挡图像训练换脸识别模型，使得换脸识别模型能够识别人脸遮挡图像中的人脸边缘特征，判断图像中的人脸是否为预设人脸，提高了换脸识别模型进行换脸识别的准确度。进一步的，还可以通过确定样本人脸区域的关键点坐标，对样本人脸区域进行扩大处理，能够扩大数据集，进一步提高模型训练的准确度。此外，还可以采用单一颜色遮挡头部区域图像中人脸区域的至少一个部位，得到遮挡图像，使得模型更加快速地获取遮挡图像中非遮挡区域的边缘特征，提高模型识别效率。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种换脸识别装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的换脸识别装置500包括：人脸检测单元501、生成单元502、遮挡处理单元503以及换脸识别单元504。
人脸检测单元501，被配置成对待识别图像进行人脸检测，确定出待识别图像中的人脸区域。
生成单元502，被配置成将人脸区域进行扩大处理，生成头部区域图像。
遮挡处理单元503，被配置成对头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到遮挡图像。
换脸识别单元504，被配置成根据遮挡图像以及预先训练好的换脸识别模型，确定待识别图像的换脸识别结果，换脸识别模型用于判断待识别图像中的人脸是否被更换为预设人脸。
在本实施例的一些可选的实现方式中，还包括：换脸识别模型训练单元，被配置成获取训练样本集，训练样本集包括预设人脸的人脸遮挡图像以及其它人脸的人脸遮挡图像；将训练样本集中训练样本的人脸遮挡图像作为输入，将输入的人脸遮挡图像是否为预设人脸的判别结果作为期望输出，训练得到换脸识别模型。
在本实施例的一些可选的实现方式中，换脸识别模型训练单元进一步被配置成：获取包含预设人脸的样本人脸图像以及包含其它人脸的样本人脸图像；对所获取的样本人脸图像进行人脸检测，确定样本人脸区域；对样本人脸区域进行扩大处理，得到样本头部区域图像；对样本头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到包括预设人脸的人脸遮挡图像以及包括其它人脸的人脸遮挡图像。
在本实施例的一些可选的实现方式中，换脸识别模型训练单元进一步被配置成：确定样本人脸区域的关键点坐标；基于关键点坐标，得到样本头部区域；基于样本头部区域，得到包含样本头部区域的样本头部区域图像。
在本实施例的一些可选的实现方式中，遮挡处理单元503进一步被配置成：利用单一颜色遮挡头部区域图像中人脸区域的至少一个部位，得到遮挡图像。
应当理解，换脸识别装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对换脸识别方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。
根据本申请的实施例，本申请还提供了一种换脸识别设备和一种可读存储介质。
如图6所示，是用来实现本申请实施例的换脸识别方法的设备的框图。换脸识别设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。换脸识别设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该换脸识别设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在换脸识别设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个换脸识别设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的换脸识别方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的换脸识别方法。
存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的换脸识别方法对应的程序指令/模块(例如，附图5所示的人脸检测单元501、生成单元502、遮挡处理单元503以及换脸识别单元504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的换脸识别方法。
存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据换脸识别设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至换脸识别设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
换脸识别设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与执行用于存储数据的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，提供一种换脸识别方法，能够提高换脸识别的泛化性。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (10)

1.一种换脸识别方法，所述方法包括：
对待识别图像进行人脸检测，确定出所述待识别图像中的人脸区域；
将所述人脸区域进行扩大处理，生成头部区域图像；
对所述头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到遮挡图像；
根据所述遮挡图像以及预先训练好的换脸识别模型，确定所述待识别图像的换脸识别结果，所述换脸识别模型用于识别所述遮挡图像未遮挡的边缘特征、并依据所述边缘特征判断所述待识别图像中的人脸是否被更换为预设人脸；
其中，所述换脸识别模型通过以下训练步骤得到：
获取训练样本集，所述训练样本集包括预设人脸的人脸遮挡图像以及其它人脸的人脸遮挡图像；
将所述训练样本集中训练样本的人脸遮挡图像作为输入，识别输入的人脸遮挡图像中的边缘特征，将输入的人脸遮挡图像是否为预设人脸的判别结果作为期望输出，训练得到所述换脸识别模型。
2.根据权利要求1所述的换脸识别方法，其中，所述获取训练样本集，包括：
获取包含预设人脸的样本人脸图像以及包含其它人脸的样本人脸图像；
对所获取的样本人脸图像进行人脸检测，确定样本人脸区域；
对所述样本人脸区域进行扩大处理，得到样本头部区域图像；
对所述样本头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到包括预设人脸的人脸遮挡图像以及包括其它人脸的人脸遮挡图像。
3.根据权利要求2所述的换脸识别方法，其中，所述对所述样本人脸区域进行扩大处理，得到样本头部区域图像，包括：
确定所述样本人脸区域的关键点坐标；
基于所述关键点坐标，得到样本头部区域；
基于所述样本头部区域，得到包含所述样本头部区域的样本头部区域图像。
4.根据权利要求1至3任一项所述的换脸识别方法，其中，所述对所述头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到遮挡图像，包括：
利用单一颜色遮挡所述头部区域图像中人脸区域的至少一个部位，得到遮挡图像。
5.一种换脸识别装置，所述装置包括：
人脸检测单元，被配置成对待识别图像进行人脸检测，确定出所述待识别图像中的人脸区域；
生成单元，被配置成将所述人脸区域进行扩大处理，生成头部区域图像；
遮挡处理单元，被配置成对所述头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到遮挡图像；
换脸识别单元，被配置成根据所述遮挡图像以及预先训练好的换脸识别模型，确定所述待识别图像的换脸识别结果，所述换脸识别模型用于识别所述遮挡图像未遮挡的边缘特征、并依据所述边缘特征判断所述待识别图像中的人脸是否被更换为预设人脸；
其中，所述换脸识别装置还包括：
换脸识别模型训练单元，被配置成获取训练样本集，所述训练样本集包括预设人脸的人脸遮挡图像以及其它人脸的人脸遮挡图像；将所述训练样本集中训练样本的人脸遮挡图像作为输入，识别输入的人脸遮挡图像中的边缘特征，将输入的人脸遮挡图像是否为预设人脸的判别结果作为期望输出，训练得到所述换脸识别模型。
6.根据权利要求5所述的换脸识别装置，其中，所述换脸识别模型训练单元进一步被配置成：
获取包含预设人脸的样本人脸图像以及包含其它人脸的样本人脸图像；
对所获取的样本人脸图像进行人脸检测，确定样本人脸区域；
对所述样本人脸区域进行扩大处理，得到样本头部区域图像；
对所述样本头部区域图像中人脸区域的至少一个部位进行遮挡处理，得到包括预设人脸的人脸遮挡图像以及包括其它人脸的人脸遮挡图像。
7.根据权利要求6所述的换脸识别装置，其中，所述换脸识别模型训练单元进一步被配置成：
确定所述样本人脸区域的关键点坐标；
基于所述关键点坐标，得到样本头部区域；
基于所述样本头部区域，得到包含所述样本头部区域的样本头部区域图像。
8.根据权利要求5至7任一项所述的换脸识别装置，其中，所述遮挡处理单元进一步被配置成：
利用单一颜色遮挡所述头部区域图像中人脸区域的至少一个部位，得到遮挡图像。
9.一种换脸识别设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN202011016485.5A 2020-09-24 2020-09-24 换脸识别方法、装置、设备和计算机可读存储介质 Active CN112116525B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011016485.5A CN112116525B (zh) 2020-09-24 2020-09-24 换脸识别方法、装置、设备和计算机可读存储介质
US17/171,669 US11403799B2 (en) 2020-09-24 2021-02-09 Method and apparatus for recognizing face-swap, device and computer readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011016485.5A CN112116525B (zh) 2020-09-24 2020-09-24 换脸识别方法、装置、设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112116525A CN112116525A (zh) 2020-12-22
CN112116525B true CN112116525B (zh) 2023-08-04

Family

ID=73800635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011016485.5A Active CN112116525B (zh) 2020-09-24 2020-09-24 换脸识别方法、装置、设备和计算机可读存储介质

Country Status (2)

Country Link
US (1) US11403799B2 (zh)
CN (1) CN112116525B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221767B (zh) * 2021-05-18 2023-08-04 北京百度网讯科技有限公司 训练活体人脸识别模型、识别活体人脸的方法及相关装置
CN115661903B (zh) * 2022-11-10 2023-05-02 成都智元汇信息技术股份有限公司 一种基于空间映射协同目标过滤的识图方法及装置
CN115457644B (zh) * 2022-11-10 2023-04-28 成都智元汇信息技术股份有限公司 一种基于扩展空间映射获得目标的识图方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110363047A (zh) * 2018-03-26 2019-10-22 普天信息技术有限公司 人脸识别的方法、装置、电子设备和存储介质
WO2019232866A1 (zh) * 2018-06-08 2019-12-12 平安科技（深圳）有限公司 人眼模型训练方法、人眼识别方法、装置、设备及介质

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440475B (zh) * 2013-08-14 2016-09-21 北京博思廷科技有限公司 一种自动取款机使用者人脸可见性判断***及方法
US9875393B2 (en) * 2014-02-12 2018-01-23 Nec Corporation Information processing apparatus, information processing method, and program
US9704025B2 (en) * 2015-07-31 2017-07-11 King Abdulaziz City For Science And Technology Identifying non-occluded faces by learning from partially occluded faces
CN107633204B (zh) * 2017-08-17 2019-01-29 平安科技（深圳）有限公司 人脸遮挡检测方法、装置及存储介质
US10944767B2 (en) * 2018-02-01 2021-03-09 International Business Machines Corporation Identifying artificial artifacts in input data to detect adversarial attacks
CN108985155A (zh) * 2018-06-06 2018-12-11 平安科技（深圳）有限公司 嘴巴模型训练方法、嘴巴识别方法、装置、设备及介质
CN110210393A (zh) * 2019-05-31 2019-09-06 百度在线网络技术（北京）有限公司 人脸图像的检测方法和装置
CN110245612A (zh) * 2019-06-14 2019-09-17 百度在线网络技术（北京）有限公司 人脸图像的检测方法和装置
CN110728330A (zh) * 2019-10-23 2020-01-24 腾讯科技（深圳）有限公司 基于人工智能的对象识别方法、装置、设备及存储介质
CN110929617B (zh) * 2019-11-14 2023-05-30 绿盟科技集团股份有限公司 一种换脸合成视频检测方法、装置、电子设备及存储介质
US11120595B2 (en) * 2019-12-27 2021-09-14 Ping An Technology (Shenzhen) Co., Ltd. Face swap method and computing device
CN111626240B (zh) * 2020-05-29 2023-04-07 歌尔科技有限公司 一种人脸图像识别方法、装置、设备及可读存储介质
CN111695495B (zh) * 2020-06-10 2023-11-14 杭州萤石软件有限公司 人脸识别方法、电子设备及存储介质
CN111539389B (zh) * 2020-06-22 2020-10-27 腾讯科技（深圳）有限公司 人脸防伪识别方法、装置、设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110363047A (zh) * 2018-03-26 2019-10-22 普天信息技术有限公司 人脸识别的方法、装置、电子设备和存储介质
WO2019232866A1 (zh) * 2018-06-08 2019-12-12 平安科技（深圳）有限公司 人眼模型训练方法、人眼识别方法、装置、设备及介质

Also Published As

Publication number Publication date
CN112116525A (zh) 2020-12-22
US20220092835A1 (en) 2022-03-24
US11403799B2 (en) 2022-08-02

Similar Documents

Publication Publication Date Title
CN111598818B (zh) 人脸融合模型训练方法、装置及电子设备
KR102469295B1 (ko) 깊이를 사용한 비디오 배경 제거
CN112116525B (zh) 换脸识别方法、装置、设备和计算机可读存储介质
CN111783647B (zh) 人脸融合模型的训练方法、人脸融合方法、装置及设备
CN111767858B (zh) 图像识别方法、装置、设备和计算机存储介质
US20210201161A1 (en) Method, apparatus, electronic device and readable storage medium for constructing key-point learning model
CN111767846A (zh) 图像识别方法、装置、设备和计算机存储介质
CN111709873B (zh) 图像转换模型生成器的训练方法和装置
EP4024352A2 (en) Method and apparatus for face liveness detection, and storage medium
CN111709875B (zh) 图像处理方法、装置、电子设备及存储介质
CN111783605A (zh) 一种人脸图像识别方法、装置、设备及存储介质
CN111443801B (zh) 人机交互方法、装置、设备及存储介质
US20210406548A1 (en) Method, apparatus, device and storage medium for processing image
CN112584076B (zh) 视频的插帧方法、装置及电子设备
CN116048244B (zh) 一种注视点估计方法及相关设备
CN111539897A (zh) 用于生成图像转换模型的方法和装置
US20230036338A1 (en) Method and apparatus for generating image restoration model, medium and program product
CN111523467B (zh) 人脸跟踪方法和装置
CN107977636B (zh) 人脸检测方法及装置、终端、存储介质
KR20240024277A (ko) 시선 분류
CN112949467B (zh) 人脸检测方法、装置、电子设备和存储介质
CN112101204B (zh) 生成式对抗网络的训练方法、图像处理方法、装置和设备
KR20210154774A (ko) 이미지 식별 방법, 장치, 전자 기기 및 컴퓨터 프로그램
CN112508964B (zh) 图像分割方法、装置、电子设备和存储介质
CN111783644B (zh) 检测方法、装置、设备和计算机存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant