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！

龙图腾网获悉南昌大学申请的专利一种基于特征信息映射和注意力机制的人脸特征转换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：CN119624753B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202411530236.6，技术领域涉及：G06T3/04；该发明授权一种基于特征信息映射和注意力机制的人脸特征转换方法是由闵卫东;饶昕昊;韩清设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本一种基于特征信息映射和注意力机制的人脸特征转换方法在说明书摘要公布了：本发明公开了一种基于特征信息映射和注意力机制的人脸特征转换方法，包括：1构建人脸特征编辑模型；所述人脸特征编辑模型包括生成器、判别器和损失网络；2以待转换的目标域标签和原始图像作为模型的输入，输出转换后的生成图像；首先目标域标签被生成器中的特征信息映射网络转化为深度特征信息的数据，然后在原始图像转换为生成图像的过程中添加到图像生成网络中实现转换，最后生成图像进入到判别器中进行评估，评价所生成图像的真实程度。本发明方法通过对生成器结构和判别器的结构进行修改，构建了一个模型内部的循环结构，不仅有助于图像的正确生成；并且通过加入注意力掩码生成网络和上下文损失，提高对图像原始信息保留的性能。

本发明授权一种基于特征信息映射和注意力机制的人脸特征转换方法在权利要求书中公布了：1.一种基于特征信息映射和注意力机制的人脸特征转换方法，其特征在于，包括以下步骤： 步骤1、构建人脸特征编辑模型FFEGAN； 所述人脸特征编辑模型FFEGAN包括生成器、判别器和损失网络； 所述生成器由特征信息映射网络、图像生成网络和注意力掩码生成网络三部分组成； 所述生成器G由通过编码器‑解码器结构生成目标图像的图像生成网络Ggen、利用多头自注意力机制生成注意力掩码的注意力掩码生成网络Gmask和将独热编码转换为高维潜在信息的特征信息映射网络M三部分组成； 假设原始人脸图像为x，原始域被赋予的特征标签为c0，目标域被赋予的特征标签为ct，所述生成器是以原始人脸图像x和目标域标签ct作为输入，生成一张目标图像y，并使其特征标签与ct相匹配，同时保留面部原始信息和属性； 所述特征信息映射网络的功能用公式表示为： kt＝Mct    9在公式9中，M为特征信息映射网络；ct为离散的特征属性标签，kt为暗含特征信息的高维潜在编码； 所述特征信息映射网络的输入为一个n维的独热编码，该独热编码在进入特征信息映射网络后，需要经过九层密集层，而每层密集层后又紧随着一个激活层；在独热编码经过密集层时，其中的神经元将会对独热编码进行仿射变换，而独热编码经过激活层将进行非线性变换，在经过九层密集层和九层激活层后，特征信息映射网络将会输出一个高维潜在编码，独热编码在密集层中进行仿射变换的操作用公式表示为： 在公式10中，z为仿射变换最终的输出值；第k层任意一个神经元与第k+1层任意一个神经元之间的权重用ωk表示；m为特征信息映射网络的最大层数；c是计算过程中抵消仿射变换偏移的一个额外偏置量； 所述特征信息映射网络的输入层和其后的七个密集层由512个神经元组成，特征信息映射网络的输出层由N个神经元组成； 所述激活层采用泄漏线性整流单元Leaky ReLU作为激活函数，Leaky ReLU激活函数的数学表达式为： 步骤2、以待转换的目标域的标签和原始图像作为人脸特征编辑模型FFEGAN模型的输入，输出一张将特征从原始域转换到目标域的生成图像； 首先目标域标签被生成器中的特征信息映射网络转化为深度特征信息的数据，然后在原始图像转换为生成图像的过程中添加到图像生成网络中实现对转换的控制，最后生成图像进入到判别器中进行评估，评价所生成图像的真实程度，并对生成图像进行域的分类。

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昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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。