Face_Anonymization
使用生成对抗网络对人脸身份信息进行去隐私编辑。人脸图像经过网络处理后,人脸的身份信息发生改变,其他信息得以保留,整个过程中需要使用生成对抗网络的生成能力改变人脸区域,同时利用人脸识别网络编码指导人脸区域的生成。
网络的输入包含三个部分:目标图像,去除部分人脸区域后的原图像和原图中人脸特征点热图。生成器的损失包含三个部分,对抗损失,去身份识别损失和重建损失。使用VGG-Face2作为训练数据集,完成训练后对CelebA数据集进行处理,示例如下,
与原始图像对比如下:
从视觉上看原身份信息与生成的身份信息已发生改变,使用FaceNet网络对前后图像提取身份特征向量,然后进行降维可视化,如图
生成图像的身份信息已经明显可分,达到了去除身份信息的目标,能够对图像中的身份信息进行保护。
训练权重链接:https://pan.baidu.com/s/1w7c75RGl5BalcLWEJk7bxw ,提取码:9wrr
将下载好的权重信息放到Face_Anonymization
目录下,若需要训练自己的网络模型,根据dataset
文件夹下的示例准备训练数据集。训练脚本为training.py
,单张图像测试脚本为main.py
。
https://github.com/ronghuaiyang/arcface-pytorch