基于GAN的人脸属性编辑模型设计开题报告

全文总字数：5483字

1. 研究目的与意义（文献综述）

1.1 题目

基于gan的人脸属性编辑模型设计

1.2 背景及意义

2. 研究的基本内容与方案

2.1 基本内容：

本课题拟采用深度学习的方法，基于目前主流的gan衍生模型，设计和实现一个人脸属性编辑模型。这个属性编辑模型能够通过大量图片的数据集进行训练，从图片中提取出人脸属性对应的特征，建立人脸属性特征和人脸属性标签之间的联系，从而能够对之后输入的人脸图片的特定属性进修改，例如更改人脸的面部表情、头发颜色、头发长度等。

学习与 gan 相关的知识，包括基础 gan 以及 gan 的各种衍生，例如wgan，stargan等。深入理解每种 gan 的优点与不足，了解他们之间的继承发展的关系。此外，还要熟悉深度学习的相关知识，包括与图像处理有很大关系的卷积神经网络（cnn）、vae等，将gan模型与其他模型对照学习，从而改进设计出的人脸属性编辑模型。

3. 研究计划与安排

(1) 2020/1/14——2020/2/28：确定选题，阅读文献，分析、总结、确定技术路线，完成并提交开题报告；翻译英文资料并交指导教师检查。

(2) 2020/3/1——2020/4/30：需求分析，系统架构，算法或系统设计，编码、系统测试与完善等。

(3) 2020/5/1——2020/5/25：撰写论文初稿；修改论文，定稿并提交论文评审；提交毕业答辩所需所有文档及资料。

4. 参考文献（12篇以上）

[1] goodfellow i， pouget-abadie j， mirza m， et al. generative adversarial nets[c]//advances in neural information processing systems. 2014: 2672-2680.

[2] arjovsky m， chintala s， bottou l. wasserstein gan. arxiv preprint arxiv: 1701.07875， 2017.

[3]qi g j. loss-sensitive generative adversarial networks on lipschitz densities. arxiv preprint arxiv: 1701.06264， 2017.