人脸图像编辑技术,即基于计算机技术的高清人脸变换,是计算机视觉方向的一个重要研究领域,也是当前图像编辑技术的一个重要分支。随着计算机技术的发展,以及高清相机,摄像头的普及,人脸图像编辑技术正在人脸识别,人机验证,人机交互,社会安保,以及人脸美颜功能,都对人脸图像编辑具有很多迫切的需求,针对人脸图像编辑以及人脸图像清晰化的技术,对于人脸研究领域,都具有非常重要的意义。随着深度学习算法越来越多地应用于人脸领域,卷积神经网络对于人脸的降维能力对人脸风格迁移取得了很大的进展。本文借助深度学习算法以及深度特征插值方法,设计并实现了一个针对人脸的高清人脸语义提取与语义编辑网络,文章的主要创新点如下:1.设计了一个全新的人脸风格迁移网络,该网络使用编码器进行人脸特征解耦,使用风格迁移模块进行人脸特征提取,使用解码还原人脸信息,使用后处理模块对结果细节进行修复。实验表明,该网络在人脸风格迁移的可信度与身份保留上都表现的很好。2.使用了深度学习的卷积层保留人脸风格的参数,相对于传统方法,可以学习到更多的语义特征,使生成的图像风格细节较为平滑。并且由于卷积神经网络的特性,测试的人脸无需进行对齐即可进行风格迁移。3.针对人脸风格迁移生成的结果部分语义信息丢失的问题,编写了一个端到端的基于多任务的后处理模块,协助网络恢复更多的细节,提高生成图片的置信度。实验表明,原始图像在经过深度神经网络特征提取并迁移后,实现了图像转换的的基本功能,并且本文的更为简洁,效率更高,使用更多的网络层,保留了更多的语义信息,效果达到了较高的质量。