基于卷积神经网络的人脸简笔画生成技术

《基于卷积神经网络的人脸简笔画生成技术》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：ＵＤＣ：编号：工学硕士学位论文基于卷积神经网络的人脸简笔画生成技术硕士研究生：王伊雪：指导教师．郑丽颖教授学科、专业：计算机科学与技术论文主审人：王慧强教授哈尔滨工程大学２０１８年３月分类号：密级：0UDC：编号：0工学硕士学位论文基于卷积神经网络的人脸简笔画生成技术硕士研究生：王伊雪指导教师：郑丽颖教授学位级别：工学硕士学科、专业：计算机科学与技术所在单位：计算机科学与技术学院论文提交日期：2018年1月论文答辩日期：2018年3月学位授予单位：

2、哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertationfortheDegreeofM.EngGeneratingFacialLine-drawingwithConvolutionalNeuralNetworksCandidate:WangYixueSupervisor:Prof.ZhengLiyingAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ComputerScienceandTechnologyDateo

3、fSubmission:January,2018DateofOralExamination:March,2018University:HarbinEngineeringUniversity摘要人工智能的蓬勃发展，让机器人走进了我们的生活。机器人不仅可以满足工业需求，也可以应用在艺术生活中。目前，机器人可以进行漫画、素描、油画等艺术创作。而简笔画利用点、线等简单元素表现物体特征，更贴近普通人的绘画，更写实传神，更适合机器人作画。前人对简笔画制作的研究非常少，没有现有算法，论文吸取制作漫画、素描、油画的算

4、法优点，分别研究基于图像处理技术的算法和基于卷积神经网络的算法，提出了一种精确、快速、鲁棒的算法生成人脸简笔画。首先，利用图像处理技术生成简笔画。该算法基于肤色检测方法提取头发、人脸位置，通过分析获取更贴近真实人脸的特征域。在此区域上，提取轮廓生成人脸简笔画。该方法能准确提取人脸外边缘，但五官细节无法准确表达，人脸内轮廓杂乱不整洁。其次，为得到更整洁准确的简笔画，使用卷积神经网络这种图像处理最前沿的技术生成简笔画。结合人脸简笔画的特点，对网络提出两个要求：1）对图像整体训练、预测，端到端的生成简笔画；

5、2）对图片输入尺寸无要求。根据需求提出粗略的人脸简笔画生成网络（SketchyFacialLine-drawingGeneration，SFLG），详细分析网络结构设计方法和损失函数定义方法。但该方法生成的简笔画轮廓粗糙，准确度低。再次，为得到更精确细致的简笔画，改进SFLG网络，设计人脸简笔画生成网络（FacialLine-drawingGeneration，FLG）。FLG网络改进池化和激活方式；改进损失函数，加入融合损失；改进网络结构，分五阶段像素级融合特征图，并进行完全卷积、反卷积、侧输出操作

6、得到侧输出图，通道级融合侧输出图并后处理，得到更精确的人脸简笔画。最后，论文对三种算法所生成的人脸简笔画进行了效果图对比、算法对比，分析其优劣情况。实验结果表明，基于卷积神经网络生成的人脸简笔画，适用的人脸范围更广，有一定的普适性；算法稳定，生成的人脸简笔画均能准确的表示人脸；网络使用了完全卷积，反卷积，不仅能端到端的生成图片，而且对输入图片的尺寸无要求。FLG网络是一种精确、鲁棒、快速的人脸简笔画生成方法。关键词：图像处理；卷积神经网络；反卷积；完全卷积；侧输出层AbstractThevigorou

7、sdevelopmentofartificialintelligencehasmaderobotsmoveintoourlives.Robotscannotonlymeettheneedsofindustry,butcanalsobeappliedtoallaspectsoftheartlife.Atpresent,robotscancarryontheartisticcreationofcomics,sketches,paintingsandsoon.Line-drawingsusepoints,l

8、inesandothersimpleelementstoexpressthebasicfeaturesofobjects,whichismorerealistic,morevividandmoresuitableforrobots.Asresearches’studyofLine-drawingsarenotbeinginvestigatedsomuch,andtherearenoexistingalgorithms.Wehavelearntthealg