1.一种基于区域风格校正的人物属性编辑方法,其特征在于,包括:基于原始图像制作训练数据集,根据训练数据集里的训练数据提取人物姿态以及人物类别分割图;
根据人物类别分割图分别提取人物的多个类别属性;
根据所述人物的多个类别属性提取属性特征,根据所述人物姿态提取姿态特征;
根据所述属性特征和所述姿态特征进行特征匹配,得到目标人物的粗图像;
根据所述人物的多个类别属性,对其逐个提取源图像风格特征,得到多个类别的源图像风格特征;
由原始图像的特征和姿态特征融合得到特征内容输入;根据所述源图像风格特征对所述特征内容输入进行区域风格补偿得到残差纹理图;
根据所述残差纹理图对所述目标人物的粗图像进风格校正,得到最终目标人物图像。
2.根据权利要求1所述的基于区域风格校正的人物属性编辑方法,其特征在于,基于原始图像制作训练数据集,根据训练数据集里的训练数据提取人物姿态以及人物类别分割图,包括:对公开的DeepFashion数据集采用姿态估计算法OpenPose提取训练数据的人物姿态;所述训练数据包括人物图像;
采用预先训练好的分割网络模型提取训练数据的人物类别分割图,训练数据用于训练基于区域风格校正的人物属性编辑模型;
人物类别分割图将人物图像划分成八个部分:头发、上身衣服、裙子、裤子、脸、上身皮肤、腿和背景;每一部分都对应人物的一个类别属性。
3.根据权利要求2所述的基于区域风格校正的人物属性编辑方法,其特征在于,根据人物类别分割图分别提取人物的多个类别属性,包括:将人物图像
其中
4.根据权利要求1所述的基于区域风格校正的人物属性编辑方法,其特征在于,根据所述人物的多个类别属性提取属性特征,根据所述人物姿态提取姿态特征,根据所述属性特征和所述姿态特征进行特征匹配,得到目标人物的粗图像,包括:利用所产生的多个类别属性提取得到属性特征,并对人物姿态提取得到对应的姿态特征;
将类别属性输入卷积编码器E1来提取类别属性的特征,将人物姿态输入卷积编码器E2来提取人物姿态的姿态特征;
将提取的属性特征和姿态特征作为输入,先对属性特征进行卷积,然后在空间上进行softmax操作得到空间上的权重映射对姿态特征进行卷积后,在通道上对姿态特征进行softmax操作得到通道上的权重映射把所述细化的属性特征和细化的姿态特征逐元素相乘得到融合姿态的属性特征;
引入残差结构,将融合姿态的属性特征和属性特征相加得到最终的细化特征,表示为:其中
对最终的细化特征进行卷积操作得到目标人物的粗图像
5.根据权利要求1所述的基于区域风格校正的人物属性编辑方法,其特征在于,根据所述人物的多个类别属性,对其逐个提取源图像风格特征,得到多个类别的源图像风格特征,包括:将人物的多个类别属性
其中风格编码器
然后计算各个风格特征的方差,计算公式如下:其中,H,W为特征图高度、宽度的尺寸大小,i表示第i个类别;
使用全连接网络对方差
其中,
6.根据权利要求1所述的基于区域风格校正的人物属性编辑方法,其特征在于,根据所述源图像风格特征,进行区域风格补偿,对所述源图像风格特征进行变换得到残差纹理图,包括:利用仿射参数
其中,
7.根据权利要求1所述的基于区域风格校正的人物属性编辑方法,其特征在于,根据所述残差纹理图对所述目标人物的粗图像进风格校正,得到最终目标人物图像,包括:利用得到的残差纹理图和目标粗图像相加,最后得到最终目标人物图像。
8.根据权利要求5所述的基于区域风格校正的人物属性编辑方法,其特征在于,所述方法还包括:提取所述最终目标人物图像的源图像类别属性特征
9.根据权利要求8所述的基于区域风格校正的人物属性编辑方法,其特征在于,提取所述最终目标人物图像的源图像类别属性特征在得到最终目标人物图像后,利用预先训练好的语义分割网络提取最终目标人物图像的分割图将最终目标人物图像与提取的分割图相乘得到生成图像各类别的区域属性特征其中
使用损失值
如果损失值
10.一种基于区域风格校正的人物属性编辑装置,其特征在于,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1-9任一项所述方法的步骤。