1.一種人臉圖像生成方法，包括：
生成M維人臉特征向量，其中M為大于1的整數(shù)；
將所述M維人臉特征向量與N維需求特征向量連接以生成合成特征向量，其中N為大于等于1的整數(shù)；
利用人臉生成深度卷積網(wǎng)絡(luò)，基于所述合成特征向量生成合成人臉圖像。
2.如權(quán)利要求1所述的人臉圖像生成方法，其中，所述人臉生成深度卷積網(wǎng)絡(luò)包括至少一層全連接神經(jīng)網(wǎng)絡(luò)和K層集成卷積神經(jīng)網(wǎng)絡(luò)，并且每一層集成卷積神經(jīng)網(wǎng)絡(luò)包括放大網(wǎng)絡(luò)和J層卷積神經(jīng)網(wǎng)絡(luò)，其中K為大于等于2的整數(shù)，J為大于等于2的整數(shù)。
3.如權(quán)利要求2所述的人臉圖像生成方法，其中，利用所述人臉生成深度卷積網(wǎng)絡(luò)基于所述合成特征向量生成合成人臉圖像包括：
利用所述至少一層全連接神經(jīng)網(wǎng)絡(luò)基于所述合成特征向量生成初始合成圖像；以及
利用第一層集成卷積神經(jīng)網(wǎng)絡(luò)接收所述初始合成圖像，并生成第一層合成圖像，所述第一層合成圖像的數(shù)量小于所述初始合成圖像的數(shù)量；
利用第k層集成卷積神經(jīng)網(wǎng)絡(luò)接收第k-1層的卷積神經(jīng)網(wǎng)絡(luò)輸出的合成圖像，并生成第k層合成圖像，其中，k為大于等于2且小于等于K的整數(shù)，所述第k層合成圖像的尺寸大于第k-1層合成圖像的尺寸，并且所述第k層合成圖像的數(shù)量小于第k-1層合成圖像的數(shù)量，
其中，第K層集成卷積神經(jīng)網(wǎng)絡(luò)輸出的第K層合成圖像作為所述合成人臉圖像。
4.如權(quán)利要求2所述的人臉圖像生成方法，其中，利用所述人臉生成深度卷積網(wǎng)絡(luò)基于所述合成特征向量生成合成人臉圖像包括：
利用所述至少一層全連接神經(jīng)網(wǎng)絡(luò)基于所述合成特征向量生成初始合成圖像；以及
利用第一層集成卷積神經(jīng)網(wǎng)絡(luò)接收所述初始合成圖像和由所述N維需求特征向量映射而成的N個(gè)初始映射圖像，并生成第一層合成圖像，其中所述初始合成圖像的尺寸與所述初始映射圖像的尺寸相同，所述第一層合成圖像的數(shù)量小于所述初始合成圖像的數(shù)量；
利用第k層集成卷積神經(jīng)網(wǎng)絡(luò)接收第k-1層的卷積神經(jīng)網(wǎng)絡(luò)輸出的合成圖像和由所述需求特征向量映射而成的N個(gè)第k-1層映射圖像，并生成第k層合成圖像，所述第k-1層合成圖像的尺寸與第k-1層映射圖像的尺寸相同，所述第k層合成圖像的尺寸大于第k-1層合成圖像的尺寸，并且所述第k層合成圖像的數(shù)量小于第k-1層合成圖像的數(shù)量，
其中，所述N維需求特征向量的每一維被映射為所述N個(gè)初始映射圖像之一，并且被映射為N個(gè)第k-1層映射圖像之一,其中，k為大于等于2且小于等于K的整數(shù)，
其中，第K層集成卷積神經(jīng)網(wǎng)絡(luò)輸出的第K層合成圖像作為所述合成人臉圖像。
5.如權(quán)利要求3所述的人臉圖像生成方法，其中，在所述K層集成卷積神經(jīng)網(wǎng)絡(luò)的每一層中，
利用所述放大網(wǎng)絡(luò)將其接收到的合成圖像放大，以生成放大圖像；
利用第一層卷積神經(jīng)網(wǎng)絡(luò)從所述放大網(wǎng)絡(luò)接收所述放大圖像，并生成第一層中間圖像；
利用第j層卷積神經(jīng)網(wǎng)絡(luò)從第j-1層卷積神經(jīng)網(wǎng)絡(luò)接收第j-1層中間圖像，并生成第j層中間圖像，其中，第j層中間圖像的尺寸與第j-1層中間圖像的尺寸相同，其中，j為大于等于2且小于等于J的整數(shù)；
其中，第J層卷積神經(jīng)網(wǎng)絡(luò)生成的第J層中間圖像作為該層集成卷積神經(jīng)網(wǎng)絡(luò)輸出的合成圖像。
6.如權(quán)利要求4所述的人臉圖像生成方法，其中，在所述K層集成卷積神經(jīng)網(wǎng)絡(luò)的每一層中，
利用所述放大網(wǎng)絡(luò)將其接收到的合成圖像和映射圖像放大，以生成放大圖像；
利用第一層卷積神經(jīng)網(wǎng)絡(luò)從所述放大網(wǎng)絡(luò)接收所述放大圖像，并生成第一層中間圖像；
利用第j層卷積神經(jīng)網(wǎng)絡(luò)從第j-1層卷積神經(jīng)網(wǎng)絡(luò)接收第j-1層中間圖像和映射圖像，生成第j層中間圖像，其中，第j層中間圖像的尺寸與第j-1層中間圖像的尺寸相同，其中，j為大于等于2且小于等于J的整數(shù)；
其中，第J層卷積神經(jīng)網(wǎng)絡(luò)生成的第J層中間圖像作為該層集成卷積神經(jīng)網(wǎng)絡(luò)輸出的合成圖像。
7.如權(quán)利要求1所述的人臉圖像生成方法，其中，生成人臉特征向量包括：
利用人臉特征提取深度卷積網(wǎng)絡(luò)從給定人臉圖像中提取所述人臉特征向量；或者
隨機(jī)生成所述人臉特征向量。
8.如權(quán)利要求7所述的人臉圖像生成方法，其中，所述人臉特征提取深度卷積網(wǎng)絡(luò)包括：P層卷積神經(jīng)網(wǎng)絡(luò)和至少一層全連接神經(jīng)網(wǎng)絡(luò)，其中P為大于等于2的整數(shù)，
其中，利用第一層卷積神經(jīng)網(wǎng)絡(luò)接收所述給定人臉圖像，利用所述至少一層全連接神經(jīng)網(wǎng)絡(luò)接收第P層卷積神經(jīng)網(wǎng)絡(luò)輸出的圖像并生成所述人臉特征向量。
9.如權(quán)利要求7所述的人臉圖像生成方法，還包括：
基于所述合成人臉圖像與所述需求特征向量，利用需求判定深度卷積網(wǎng)絡(luò)生成需求滿足度評(píng)分；以及
基于所述需求滿足度評(píng)分，更新所述人臉生成深度卷積網(wǎng)絡(luò)以及所述需求判定深度卷積網(wǎng)絡(luò)的參數(shù)。
10.如權(quán)利要求9所述的人臉圖像生成方法，其中，在從給定人臉圖像中提取所述人臉特征向量的情況下，所述人臉圖像生成方法還包括：
基于所述合成人臉圖像與所述給定人臉圖像，利用第一人臉判定深度卷積網(wǎng)絡(luò)生成人臉匹配度評(píng)分；以及
基于所述人臉匹配度評(píng)分，更新所述人臉特征提取深度卷積網(wǎng)絡(luò)、所述人臉生成深度卷積網(wǎng)絡(luò)以及所述人臉判定深度卷積網(wǎng)絡(luò)的參數(shù)。
11.如權(quán)利要求9所述的人臉圖像生成方法，其中，在隨機(jī)生成所述人臉特征向量的情況下，所述人臉圖像生成方法還包括：
基于所述合成人臉圖像，利用第二人臉判定深度卷積網(wǎng)絡(luò)生成人臉滿足度評(píng)分；以及
基于所述人臉滿足度評(píng)分，更新所述人臉生成深度卷積網(wǎng)絡(luò)以及所述人臉判定深度卷積網(wǎng)絡(luò)的參數(shù)。
12.如權(quán)利要求10所述的人臉圖像生成方法，其中：所述第一人臉判定深度卷積網(wǎng)絡(luò)包括第一判定特征向量提取網(wǎng)絡(luò)、第二判定特征向量提取網(wǎng)絡(luò)和全連接神經(jīng)網(wǎng)絡(luò)，其中，
利用第一判定特征向量提取網(wǎng)絡(luò)從所述給定人臉圖像中提取第一判定特征向量；
利用第二判定特征向量提取網(wǎng)絡(luò)從所述合成人臉圖像中提取第二判定特征向量，
利用所述全連接神經(jīng)網(wǎng)絡(luò)基于所述第一判定特征向量和所述第二判定特征向量，生成所述人臉匹配度評(píng)分，
其中，所述第一判定特征向量提取網(wǎng)絡(luò)和所述第二判定特征向量提取網(wǎng)絡(luò)的參數(shù)相同，所述第一判定特征向量的維數(shù)和第二判定特征向量的維數(shù)相同且大于所述人臉特征向量的維數(shù)。
13.如權(quán)利要求11所述的人臉圖像生成方法，其中：所述第二人臉判定深度卷積網(wǎng)絡(luò)包括第三判定特征向量提取網(wǎng)絡(luò)和全連接神經(jīng)網(wǎng)絡(luò)，其中，
利用第三判定特征向量提取網(wǎng)絡(luò)從所述合成人臉圖像中提取第三判定特征向量，
利用所述全連接神經(jīng)網(wǎng)絡(luò)基于所述第三判定特征向量，生成所述人臉滿足度評(píng)分，
其中，所述第三判定特征向量的維數(shù)大于所述人臉特征向量的維數(shù)。
14.如權(quán)利要求12或13所述的人臉圖像生成方法，其中，每個(gè)判定特征向量提取網(wǎng)絡(luò)包括至少一層卷積神經(jīng)網(wǎng)絡(luò)、至少一層局部連接卷積神經(jīng)網(wǎng)絡(luò)和至少一層全連接神經(jīng)網(wǎng)絡(luò)，
其中，利用第一層卷積神經(jīng)網(wǎng)絡(luò)接收該判定特征向量提取網(wǎng)絡(luò)的輸入圖像，所述至少一層卷積神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)，最后一層卷積神經(jīng)網(wǎng)絡(luò)與第一層局部連接卷積神經(jīng)網(wǎng)絡(luò)連接，所述至少一層局部連接卷積神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)，最后一層局部連接卷積神經(jīng)網(wǎng)絡(luò)與第一層全連接神經(jīng)網(wǎng)絡(luò)連接，所述至少一層全連接神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)，最后一層全連接神經(jīng)網(wǎng)絡(luò)輸出該判定特征向量提取網(wǎng)絡(luò)的判定特征向量。
15.一種人臉圖像生成裝置，包括：
人臉特征生成模塊，被配置為生成M維人臉特征向量，其中M為大于1的整數(shù)；
向量合成模塊，被配置為將所述M維人臉特征向量與N維需求特征向量連接以生成合成特征向量，其中N為大于等于1的整數(shù)；
合成人臉生成模塊，被配置為利用人臉生成深度卷積網(wǎng)絡(luò)，基于所述合成特征向量生成合成人臉圖像。
16.如權(quán)利要求15所述的人臉圖像生成裝置，其中，所述人臉生成深度卷積網(wǎng)絡(luò)包括至少一層全連接神經(jīng)網(wǎng)絡(luò)和K層集成卷積神經(jīng)網(wǎng)絡(luò)，并且每一層集成卷積神經(jīng)網(wǎng)絡(luò)包括放大網(wǎng)絡(luò)和J層卷積神經(jīng)網(wǎng)絡(luò)，其中K為大于等于2的整數(shù)，J為大于等于2的整數(shù)。
17.如權(quán)利要求16所述的人臉圖像生成裝置，其中，所述合成人臉生成模利用所述至少一層全連接神經(jīng)網(wǎng)絡(luò)基于所述合成特征向量生成初始合成圖像；利用第一層集成卷積神經(jīng)網(wǎng)絡(luò)接收所述初始合成圖像，并生成第一層合成圖像，所述第一層合成圖像的數(shù)量小于所述初始合成圖像的數(shù)量；利用第k層集成卷積神經(jīng)網(wǎng)絡(luò)接收第k-1層的卷積神經(jīng)網(wǎng)絡(luò)輸出的合成圖像，并生成第k層合成圖像，其中，k為大于等于2且小于等于K的整數(shù)；利用第K層集成卷積神經(jīng)網(wǎng)絡(luò)輸出的第K層合成圖像作為所述合成人臉圖像，
其中，所述第k層合成圖像的尺寸大于第k-1層合成圖像的尺寸，并且所述第k層合成圖像的數(shù)量小于第k-1層合成圖像的數(shù)量。
18.如權(quán)利要求16所述的人臉圖像生成裝置，其中，所述合成人臉生成模塊利用所述至少一層全連接神經(jīng)網(wǎng)絡(luò)基于所述合成特征向量生成初始合成圖像；利用第一層集成卷積神經(jīng)網(wǎng)絡(luò)接收所述初始合成圖像和由所述N維需求特征向量映射而成的N個(gè)初始映射圖像，并生成第一層合成圖像，其中所述初始合成圖像的尺寸與所述初始映射圖像的尺寸相同，所述第一層合成圖像的數(shù)量小于所述初始合成圖像的數(shù)量；利用第k層集成卷積神經(jīng)網(wǎng)絡(luò)接收第k-1層的卷積神經(jīng)網(wǎng)絡(luò)輸出的合成圖像和由所述需求特征向量映射而成的N個(gè)第k-1層映射圖像，并生成第k層合成圖像，所述第k-1層合成圖像的尺寸與第k-1層映射圖像的尺寸相同，所述第k層合成圖像的尺寸大于第k-1層合成圖像的尺寸，并且所述第k層合成圖像的數(shù)量小于第k-1層合成圖像的數(shù)量；利用第K層集成卷積神經(jīng)網(wǎng)絡(luò)輸出的第K層合成圖像作為所述合成人臉圖像
其中，所述N維需求特征向量的每一維被映射為所述N個(gè)初始映射圖像之一，并且被映射為N個(gè)第k-1層映射圖像之一,其中，k為大于等于2且小于等于K的整數(shù)。
19.如權(quán)利要求15所述的人臉圖像生成裝置，其中，所述人臉特征生成模塊被配置為利用人臉特征提取深度卷積網(wǎng)絡(luò)從給定人臉圖像中提取所述人臉特征向量；或者隨機(jī)生成所述人臉特征向量。
20.如權(quán)利要求19所述的人臉圖像生成裝置，其中，所述人臉特征提取深度卷積網(wǎng)絡(luò)包括：P層卷積神經(jīng)網(wǎng)絡(luò)和至少一層全連接神經(jīng)網(wǎng)絡(luò)，其中P為大于等于2的整數(shù)，
其中，所述人臉特征生成模塊利用第一層卷積神經(jīng)網(wǎng)絡(luò)接收所述給定人臉圖像，利用所述至少一層全連接神經(jīng)網(wǎng)絡(luò)接收第P層卷積神經(jīng)網(wǎng)絡(luò)輸出的圖像并生成所述人臉特征向量。
21.如權(quán)利要求15所述的人臉圖像生成裝置，還包括：
需求判定模塊，被配置為基于所述合成人臉圖像與所述需求特征向量，利用需求判定深度卷積網(wǎng)絡(luò)生成需求滿足度評(píng)分；以及
第一參數(shù)調(diào)整模塊，被配置為基于所述需求滿足度評(píng)分，更新所述人臉生成深度卷積網(wǎng)絡(luò)以及所述需求判定深度卷積網(wǎng)絡(luò)的參數(shù)。
22.如權(quán)利要求21所述的人臉圖像生成裝置，其中，在從給定人臉圖像中提取所述人臉特征向量的情況下，所述人臉圖像生成裝置還包括：
第一人臉判定模塊，被配置為基于所述合成人臉圖像與所述給定人臉圖像，利用第一人臉判定深度卷積網(wǎng)絡(luò)生成人臉匹配度評(píng)分；以及
第二參數(shù)調(diào)整模塊，被配置為基于所述人臉匹配度評(píng)分，更新所述人臉特征提取深度卷積網(wǎng)絡(luò)、所述人臉生成深度卷積網(wǎng)絡(luò)以及所述第一人臉判定深度卷積網(wǎng)絡(luò)的參數(shù)。
23.如權(quán)利要求21所述的人臉圖像生成裝置，其中，在隨機(jī)生成所述人臉特征向量的情況下，所述人臉圖像生成裝置還包括：
第二人臉判定模塊，被配置為基于所述合成人臉圖像，利用第二人臉判定深度卷積網(wǎng)絡(luò)生成人臉滿足度評(píng)分；以及
第三參數(shù)調(diào)整模塊，被配置為基于所述人臉滿足度評(píng)分，更新所述人臉生成深度卷積網(wǎng)絡(luò)以及所述第二人臉判定深度卷積網(wǎng)絡(luò)的參數(shù)。
24.如權(quán)利要求22所述的人臉圖像生成方法，其中：所述第一人臉判定深度卷積網(wǎng)絡(luò)包括第一判定特征向量提取網(wǎng)絡(luò)、第二判定特征向量提取網(wǎng)絡(luò)和全連接神經(jīng)網(wǎng)絡(luò)，其中，
所述第一人臉判定模塊利用第一判定特征向量提取網(wǎng)絡(luò)從所述給定人臉圖像中提取第一判定特征向量；利用第二判定特征向量提取網(wǎng)絡(luò)從所述合成人臉圖像中提取第二判定特征向量；利用所述全連接神經(jīng)網(wǎng)絡(luò)基于所述第一判定特征向量和所述第二判定特征向量，生成所述人臉匹配度評(píng)分，
其中，所述第一判定特征向量提取網(wǎng)絡(luò)和所述第二判定特征向量提取網(wǎng)絡(luò)的參數(shù)相同，所述第一判定特征向量的維數(shù)和第二判定特征向量的維數(shù)相同且大于所述人臉特征向量的維數(shù)。
25.如權(quán)利要求23所述的人臉圖像生成方法，其中：所述第二人臉判定深度卷積網(wǎng)絡(luò)包括第三判定特征向量提取網(wǎng)絡(luò)和全連接神經(jīng)網(wǎng)絡(luò)，其中，
所述第二人臉判定模塊利用第三判定特征向量提取網(wǎng)絡(luò)從所述合成人臉圖像中提取第三判定特征向量，利用所述全連接神經(jīng)網(wǎng)絡(luò)基于所述第三判定特征向量，生成所述人臉滿足度評(píng)分，
其中，所述第三判定特征向量的維數(shù)大于所述人臉特征向量的維數(shù)。
26.如權(quán)利要求24或25所述的人臉圖像生成裝置，其中，每個(gè)判定特征向量提取網(wǎng)絡(luò)包括至少一層卷積神經(jīng)網(wǎng)絡(luò)、至少一層局部連接卷積神經(jīng)網(wǎng)絡(luò)和至少一層全連接神經(jīng)網(wǎng)絡(luò)，
其中，利用第一層卷積神經(jīng)網(wǎng)絡(luò)接收該判定特征向量提取網(wǎng)絡(luò)的輸入圖像，所述至少一層卷積神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)，最后一層卷積神經(jīng)網(wǎng)絡(luò)與第一層局部連接卷積神經(jīng)網(wǎng)絡(luò)連接，所述至少一層局部連接卷積神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)，最后一層局部連接卷積神經(jīng)網(wǎng)絡(luò)與第一層全連接神經(jīng)網(wǎng)絡(luò)連接，所述至少一層全連接神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)，最后一層全連接神經(jīng)網(wǎng)絡(luò)輸出該判定特征向量提取網(wǎng)絡(luò)的判定特征向量。
27.一種人臉圖像生成設(shè)備，包括：
一個(gè)或多個(gè)處理器，
一個(gè)或多個(gè)存儲(chǔ)器，存儲(chǔ)程序指令，在處理器執(zhí)行所述程序指令時(shí)，
生成M維人臉特征向量，其中M為大于1的整數(shù)；
將所述M維人臉特征向量與N維需求特征向量連接以生成合成特征向量，其中N為大于等于1的整數(shù)；
利用人臉生成深度卷積網(wǎng)絡(luò)，基于所述合成特征向量生成合成人臉圖像。
28.如權(quán)利要求27所述的人臉圖像生成設(shè)備，其中，所述人臉生成深度卷積網(wǎng)絡(luò)包括至少一層全連接神經(jīng)網(wǎng)絡(luò)和K層集成卷積神經(jīng)網(wǎng)絡(luò)，并且每一層集成卷積神經(jīng)網(wǎng)絡(luò)包括放大網(wǎng)絡(luò)和J層卷積神經(jīng)網(wǎng)絡(luò)，其中K為大于等于2的整數(shù)，J為大于等于2的整數(shù)。
29.如權(quán)利要求28所述的人臉圖像生成設(shè)備，其中，利用所述人臉生成深度卷積網(wǎng)絡(luò)基于所述合成特征向量生成合成人臉圖像包括：
利用所述至少一層全連接神經(jīng)網(wǎng)絡(luò)基于所述合成特征向量生成初始合成圖像；以及
利用第一層集成卷積神經(jīng)網(wǎng)絡(luò)接收所述初始合成圖像，并生成第一層合成圖像，所述第一層合成圖像的數(shù)量小于所述初始合成圖像的數(shù)量；
利用第k層集成卷積神經(jīng)網(wǎng)絡(luò)接收第k-1層的卷積神經(jīng)網(wǎng)絡(luò)輸出的合成圖像，并生成第k層合成圖像，其中，k為大于等于2且小于等于K的整數(shù)，所述第k層合成圖像的尺寸大于第k-1層合成圖像的尺寸，并且所述第k層合成圖像的數(shù)量小于第k-1層合成圖像的數(shù)量，
其中，第K層集成卷積神經(jīng)網(wǎng)絡(luò)輸出的第K層合成圖像作為所述合成人臉圖像。
30.如權(quán)利要求28所述的人臉圖像生成設(shè)備，其中，利用所述人臉生成深度卷積網(wǎng)絡(luò)基于所述合成特征向量生成合成人臉圖像包括：
利用所述至少一層全連接神經(jīng)網(wǎng)絡(luò)基于所述合成特征向量生成初始合成圖像；以及
利用第一層集成卷積神經(jīng)網(wǎng)絡(luò)接收所述初始合成圖像和由所述N維需求特征向量映射而成的N個(gè)初始映射圖像，并生成第一層合成圖像，其中所述初始合成圖像的尺寸與所述初始映射圖像的尺寸相同，所述第一層合成圖像的數(shù)量小于所述初始合成圖像的數(shù)量；
利用第k層集成卷積神經(jīng)網(wǎng)絡(luò)接收第k-1層的卷積神經(jīng)網(wǎng)絡(luò)輸出的合成圖像和由所述需求特征向量映射而成的N個(gè)第k-1層映射圖像，并生成第k層合成圖像，所述第k-1層合成圖像的尺寸與第k-1層映射圖像的尺寸相同，所述第k層合成圖像的尺寸大于第k-1層合成圖像的尺寸，并且所述第k層合成圖像的數(shù)量小于第k-1層合成圖像的數(shù)量，
其中，所述N維需求特征向量的每一維被映射為所述N個(gè)初始映射圖像之一，并且被映射為N個(gè)第k-1層映射圖像之一,其中，k為大于等于2且小于等于K的整數(shù)，
其中，第K層集成卷積神經(jīng)網(wǎng)絡(luò)輸出的第K層合成圖像作為所述合成人臉圖像。
31.如權(quán)利要求27所述的人臉圖像生成設(shè)備，其中，生成人臉特征向量包括：
利用人臉特征提取深度卷積網(wǎng)絡(luò)從給定人臉圖像中提取所述人臉特征向量；或者
隨機(jī)生成所述人臉特征向量。
32.如權(quán)利要求27所述的人臉圖像生成設(shè)備，在處理器執(zhí)行所述程序指令時(shí)還：
基于所述合成人臉圖像與所述需求特征向量，利用需求判定深度卷積網(wǎng)絡(luò)生成需求滿足度評(píng)分；以及
基于所述需求滿足度評(píng)分，更新所述人臉生成深度卷積網(wǎng)絡(luò)以及所述需求判定深度卷積網(wǎng)絡(luò)的參數(shù)。
33.如權(quán)利要求31所述的人臉圖像生成設(shè)備，在從給定人臉圖像中提取所述人臉特征向量的情況下，在處理器執(zhí)行所述程序指令時(shí)還：
基于所述合成人臉圖像與所述給定人臉圖像，利用第一人臉判定深度卷積網(wǎng)絡(luò)生成人臉匹配度評(píng)分；以及
基于所述人臉匹配度評(píng)分，更新所述人臉特征提取深度卷積網(wǎng)絡(luò)、所述人臉生成深度卷積網(wǎng)絡(luò)以及所述人臉判定深度卷積網(wǎng)絡(luò)的參數(shù)。
34.如權(quán)利要求31所述的人臉圖像生成設(shè)備，在隨機(jī)生成所述人臉特征向量的情況下，在處理器執(zhí)行所述程序指令時(shí)還：
基于所述合成人臉圖像，利用第二人臉判定深度卷積網(wǎng)絡(luò)生成人臉滿足度評(píng)分；以及
基于所述人臉滿足度評(píng)分，更新所述人臉生成深度卷積網(wǎng)絡(luò)以及所述人臉判定深度卷積網(wǎng)絡(luò)的參數(shù)。
35.如權(quán)利要求33所述的人臉圖像生成設(shè)備，其中：所述第一人臉判定深度卷積網(wǎng)絡(luò)包括第一判定特征向量提取網(wǎng)絡(luò)、第二判定特征向量提取網(wǎng)絡(luò)和全連接神經(jīng)網(wǎng)絡(luò)，其中，
利用第一判定特征向量提取網(wǎng)絡(luò)從所述給定人臉圖像中提取第一判定特征向量；
利用第二判定特征向量提取網(wǎng)絡(luò)從所述合成人臉圖像中提取第二判定特征向量，
利用所述全連接神經(jīng)網(wǎng)絡(luò)基于所述第一判定特征向量和所述第二判定特征向量，生成所述人臉匹配度評(píng)分，
其中，所述第一判定特征向量提取網(wǎng)絡(luò)和所述第二判定特征向量提取網(wǎng)絡(luò)的參數(shù)相同，所述第一判定特征向量的維數(shù)和第二判定特征向量的維數(shù)相同且大于所述人臉特征向量的維數(shù)。
36.如權(quán)利要求34所述的人臉圖像生成設(shè)備，其中：所述第二人臉判定深度卷積網(wǎng)絡(luò)包括第三判定特征向量提取網(wǎng)絡(luò)和全連接神經(jīng)網(wǎng)絡(luò)，其中，
利用第三判定特征向量提取網(wǎng)絡(luò)從所述合成人臉圖像中提取第三判定特征向量，
利用所述全連接神經(jīng)網(wǎng)絡(luò)基于所述第三判定特征向量，生成所述人臉滿足度評(píng)分，
其中，所述第三判定特征向量的維數(shù)大于所述人臉特征向量的維數(shù)。