买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利一种基于中间语义增强的人脸素描-照片合成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115471410B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210968080.4，技术领域涉及：G06T5/77；该发明授权一种基于中间语义增强的人脸素描-照片合成方法是由郑洁莹;黎浩贤;刘峰设计研发完成，并于2022-08-12向国家知识产权局提交的专利申请。

本一种基于中间语义增强的人脸素描-照片合成方法在说明书摘要公布了：本发明是一种基于中间语义增强的人脸素描‑照片合成方法，合成方法通过构建两阶段生成对抗网络，在第一合成阶段合成人脸中间语义，并构建语义判别器进行合成语义的判别，在总体损失函数中增加语义匹配损失，进而在合成过程中修正人脸的语义结构，使得人脸语义结构更加接近真实的人脸照片语义，减小由于模态差异带来的语义结构差异，并利用合成的中间语义对合成的人脸照片进行成分损失的计算，以提高合成照片的准确性和质量。

本发明授权一种基于中间语义增强的人脸素描-照片合成方法在权利要求书中公布了：1.一种基于中间语义增强的人脸素描‑照片合成方法，其特征在于：所述人脸素描‑照片合成方法包括如下步骤： 步骤1：对成对的人脸素描‑照片进行预处理，使得人脸图像的尺寸一致、内容对齐，得到数据集，表示为，其中人脸素描数据集表示为，人脸照片数据集表示为； 步骤2：利用预训练的人脸解析模型BiSeNet模型分别对人脸素描和人脸照片进行语义分割，得到人脸素描和照片的语义分割图，分别表示为和，将数据进行插值，并将所有图像插值到256×256的分辨率，并进行归一化处理； 步骤3：构建两阶段的生成对抗网络合成模型，包含第一阶段的DIP‑GAN网络和第二阶段的SE‑GAN网络； 步骤4：将人脸素描数据集S和语义分割图Fs输入步骤3第一阶段的DIP‑GAN网络，同时得到初始合成照片P’和中间语义Fint； 步骤5：进行第一阶段的合成判别，包括合成初始照片P’的判别以及合成步骤4得到的中间语义Fint的判别Dpar，并计算第一阶段的对抗损失、风格损失Lper1、成分损失Lcmp1以及语义匹配损失1； 步骤6：将第一阶段的合成结果的初始合成照片P’和中间语义Fint输入到第二阶段的SE‑GAN网络中的生成器G2，分别经过8个编码层，进行特征融合之后，再经过8个解码层，得到最终的合成照片P”，并计算第二阶段的损失函数； 步骤7：以最大最小化目标函数为目标，利用反向传播算法，进行网络参数更新和迭代训练，优化网络结构中的G1、D1、Dpar、G2、D2，采用迭代更新的方式进行训练，训练的顺序为； 步骤8：在测试阶段，只需将人脸素描图像，经过BiSeNet网络，提取语义图像，然后进行标准化，并缩放到统一尺寸，直接连续输入到两个生成器G1、生成器G2中，最终的输出结果即为合成的可见光照片图像，其中： 所述步骤4具体包括如下步骤： 步骤4‑1：DIP‑GAN网络包含网络具有2个输入，在编码器第一层分别将素描语义分割图Fs输入第一个编码层Enc1_1，素描语义分割图Fs输入第一个编码层Enc1_2： ，步骤4‑2：将编码器第一层得到的两种特征进行串联： ，步骤4‑3：将步骤4‑2串联得到的特征fe1再通过编码器2‑8层Enc2‑8，得到最终的特征图fmap： ，步骤4‑4：将步骤4‑3得到的所述特征图fmap再通过解码器第1‑7层Dec1‑7得到： 每一层的解码器均与对应的编码器进行跳连； 步骤4‑5：将步骤4‑4得到的分别通过解码器第8层Dec8_1和Dec8_2，得到中间语义Fint和初始合成照片P’： 。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。