【论文笔记】基于对抗生成网络的身份保持人脸老化

本文提出的解决问题的方法是什么？

采用对抗生成网络通过预训练的人脸识别网络提取源图片的特征，然后将目标年龄信息附加在特征空间里，并且送往生成器，随之施加了身份保持的约束，从而使得身份特征得以保留。

损失函数

损失函数使用了三个目标项结合的方式，目的是在三个方面进行优化，其中Lgan是对抗生成网络的最大最小化函数，意义在于训练和优化生成器和判别器；Lfeat优化生成器将图片转换到特征向量的过程，降低Lfeat的意义在于尽量保持身份特征不变；使用Limage，将经过生成器处理的图片与原图进行比较（此时附加原图本身的年龄信息），尽量保证图像处理不受到影响。

生成器

包含编码器和解码器两部分。编码器部分使用经过预训练的AlexNet（卷积神经网络模型），提取图片的特征，将其转换为一个高维的隐向量，加上年龄信息（也是向量的形式）后送完解码器，使用反卷积神经网络将这个合成向量又转换为输出图片。生成器要尽量生成能让判别器标1的图片。

判别器

用了最简单的判别器即二分类器，对真实的图片标1，生成的图片标0，判别器要尽量将二者区分开来。

这个实际问题拥有怎么样的数据？

CACD2000数据集，超过16w张照片，随机80%做训练集，其余做测试集

标签：判别,特征,生成器,笔记,生成,人脸,老化,向量,图片
来源： https://blog.csdn.net/csu150208/article/details/88878658